Wyodrębnianie cech do analizy korelacji
W tym ćwiczeniu będziesz pracować z wersją zbioru danych salaries, która zawiera nową kolumnę o nazwie "date_of_response".
Zbiór danych został wczytany jako DataFrame biblioteki pandas, a kolumna "date_of_response" ma typ danych datetime.
Twoim zadaniem jest wyodrębnienie atrybutów daty i czasu z tej kolumny, a następnie stworzenie mapy ciepła wizualizującej współczynniki korelacji między zmiennymi.
Biblioteka Seaborn została już zaimportowana jako sns, pandas jako pd, a matplotlib.pyplot jako plt.
To ćwiczenie jest częścią kursu
Eksploracyjna analiza danych w Pythonie
Instrukcje do ćwiczenia
- Wyodrębnij miesiąc z kolumny
"date_of_response"i zapisz go jako kolumnę o nazwie"month". - Utwórz kolumnę
"weekday"zawierającą dzień tygodnia, w którym uczestnicy wypełnili ankietę. - Narysuj mapę ciepła, uwzględniając wartości współczynnika korelacji Pearsona.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Get the month of the response
salaries["month"] = ____["____"].____.____
# Extract the weekday of the response
salaries["weekday"] = ____
# Create a heatmap
sns.____(____.____(numeric_only=True), annot=____)
plt.show()