Visualizando a distribuição de renda internacional

seaborn é uma biblioteca de visualização em Python para visualização estatística de dados, baseada no matplotlib.

Por padrão, a função distplot() no pacote seaborn cria um histograma, em que os dados são agrupados em faixas e exibidos como barras, e ajusta uma kernel density estimation (KDE), ou histograma suavizado. Você também pode usar distplot() para criar outro tipo de gráfico chamado rugplot, que adiciona marcadores na parte inferior do gráfico para indicar a densidade de observações ao longo do eixo x.

seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, ...)

Nos exercícios anteriores, você criou um gráfico de quantis que forneceu uma visão bastante detalhada do nível de renda per capita em diferentes pontos da distribuição. Aqui, você vai usar distplot() para ter a visão completa!

pandas já foi importado como pd, e o DataFrame income do exercício anterior está disponível no seu ambiente de trabalho.

Este exercício faz parte do curso

Importing and Managing Financial Data in Python

Ver curso

Instruções do exercício

Importe seaborn como sns e matplotlib.pyplot como plt.
Imprima as estatísticas resumo fornecidas por .describe().
Trace e mostre um histograma básico da coluna 'Income per Capita' com .distplot().
Crie e mostre um rugplot com os mesmos dados definindo os argumentos adicionais bins igual a 50, kde como False e rug como True.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# Import seaborn and matplotlib
____
____

# Print the summary statistics for income
print(____.____())

# Plot a basic histogram of income per capita
____

# Show the plot
plt.show()

# Plot a rugplot
sns.distplot(income['Income per Capita'], ____, ____, ____)

# Show the plot
plt.show()

Editar e executar o código