Analiza różnic między zmiennymi

Teraz przeanalizujesz średnie i odchylenia standardowe każdej zmiennej, przedstawiając je na wykresie słupkowym. To uzupełnienie poprzedniego kroku – tym razem zbadasz wizualnie różnice w skalach i wariancjach zmiennych.

Biblioteka pandas jest załadowana jako pd, a matplotlib.pyplot jako plt. Zbiór danych wholesale jest dostępny jako obiekt DataFrame biblioteki pandas, natomiast średnie i odchylenia standardowe dla każdej kolumny zbioru wholesale są załadowane jako obiekty Series biblioteki pandas o nazwach averages i std_devs. Zanim przejdziesz dalej, sprawdź je w konsoli.

To ćwiczenie jest częścią kursu

Uczenie maszynowe w marketingu w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz listę z nazwami kolumn zbioru wholesale oraz drugą listę z posortowanymi wartościami od 0 do liczby kolumn w wholesale.
Narysuj wykres averages w kolorze szarym, a std_devs w kolorze pomarańczowym i przesuń oś x o 0,2.
Dodaj x_ix jako znaczniki osi i x_names jako etykiety, pamiętając o obróceniu ich o 90 stopni.
Dodaj legendę i wyświetl wykres.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Create column names list and same length integer list
x_names = wholesale.___
x_ix = np.arange(wholesale.shape[1])

# Plot the averages data in gray and standard deviations in orange 
plt.bar(x=x_ix-___, height=averages, color='grey', label='Average', width=0.4)
plt.bar(x=x_ix+___, height=std_devs, color='orange', label='Standard Deviation', width=0.4)

# Add x-axis labels and rotate
plt.xticks(ticks=___, labels=x_names, rotation=90)

# Add the legend and display the chart
plt.legend()
plt.___()

Edytuj i uruchom kod