Eksploracja zbioru danych zakupów klientów
W materiale wideo zapoznałeś/-aś się ze zbiorem danych zakupów klientów według produktów. Teraz czas na wykresy eksploracyjne, które pomogą zrozumieć rozkłady zmiennych i zależności między nimi. Przeanalizujesz zbiór danych wholesale i zwizualizujesz parowe zależności oraz oszacowane rozkłady dla każdej zmiennej – za pomocą funkcji pairplot z biblioteki seaborn. To ważny krok: poznanie typów rozkładów i relacji między zmiennymi pozwala ocenić, czy konieczne jest dalsze przetwarzanie danych.
Biblioteka pandas jest załadowana jako pd, seaborn jako sns, a matplotlib.pyplot jako plt. Zbiór danych wholesale został wczytany jako DataFrame biblioteki pandas.
To ćwiczenie jest częścią kursu
Uczenie maszynowe w marketingu w Pythonie
Instrukcje do ćwiczenia
- Wyświetl nagłówek zbioru danych
wholesale. - Wykreśl parowe zależności między zmiennymi.
- Pokaż wykres.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Print the header of the `wholesale` dataset
print(___.head())
# Plot the pairwise relationships between the variables
sns.pairplot(___, diag_kind='kde')
# Display the chart
plt.___()