Wykresy EDA I
Po wygenerowaniu kilku podstawowych statystyk czas na formułowanie i weryfikowanie hipotez dotyczących zależności w danych. DataFrame train z konkursu taksówkowego jest już dostępny w twoim środowisku pracy.
Na początek stwórzmy wykres punktowy pokazujący zależność między kwotą opłaty za kurs a jego dystansem. Intuicyjnie – im dłuższy kurs, tym wyższa cena.
Do obliczenia odległości w kilometrach między dwoma współrzędnymi geograficznymi użyjesz odległości Haversine'a. Jej obliczanie jest dostępne za pomocą predefiniowanej funkcji haversine_distance(). Funkcja przyjmuje DataFrame train jako dane wejściowe.
To ćwiczenie jest częścią kursu
Zwycięstwo w konkursie Kaggle w Pythonie
Instrukcje do ćwiczenia
- Utwórz nową zmienną
distance_kmjako odległość Haversine'a między punktem odbioru a punktem docelowym. - Narysuj wykres punktowy z
fare_amountna osi x idistance_kmna osi y. Do rysowania wykresu punktowego użyj metodyscatter()z biblioteki matplotlib. - Ogranicz dystans kursu do zakresu od 0 do 50 kilometrów, aby uniknąć wyświetlania wartości odstających.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Calculate the ride distance
train['distance_km'] = ____(train)
# Draw a scatterplot
plt.____(x=____[____], y=____[____], alpha=0.5)
plt.xlabel('Fare amount')
plt.ylabel('Distance, km')
plt.title('Fare amount based on the distance')
# Limit on the distance
plt.ylim(0, ____)
plt.show()