Evidențierea valorilor în distribuție

Uneori este necesar să manipulezi datele pentru a obține o vizualizare mai bună. Două metode utile pentru gestionarea valorilor lipsă sunt .dropna() și .fillna(). De asemenea, poți elimina valorile extreme (outlieri) filtrând intrările care depășesc sau se situează sub o anumită percentilă, aplicând o condiție cu .quantile() pe o coloană specifică.

Ai văzut în videoclip și cum să evidențiezi o anumită valoare într-un grafic adăugând o linie verticală la poziția x pe axe:

Axes.axvline(x=0, color=None, ...)

În acest exercițiu, vei analiza din nou distribuția globală a veniturilor, vei elimina outlierii de deasupra percentilei 95, vei reprezenta grafic distribuția și vei evidenția atât media, cât și mediana. pandas ca pd, seaborn ca sns și matplotlib.pyplot ca plt au fost deja importate, iar DataFrame-ul income din exercițiile anterioare este disponibil în spațiul tău de lucru.

Acest exercițiu face parte din cursul

Importul și gestionarea datelor financiare în Python

Vezi cursul

Instrucțiuni pentru exercițiu

Atribuie coloana 'Income per Capita' variabilei inc_per_capita.
Filtrează pentru a păstra doar rândurile din inc_per_capita care sunt mai mici decât percentila 95. Reatribuie rezultatul aceleiași variabile.
Reprezintă grafic un histogramă implicită pentru versiunea filtrată a lui inc_per_capita și atribuie rezultatul variabilei ax.
Folosește ax.axvline() cu color='b' pentru a evidenția media lui inc_per_capita în albastru.
Folosește ax.axvline() cu color='g' pentru a evidenția mediana în verde. Afișează rezultatul!

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Create inc_per_capita
inc_per_capita = ____

# Filter out incomes above the 95th percentile
inc_per_capita = inc_per_capita[____ < ____]

# Plot histogram and assign to ax
ax = ____

# Highlight mean
ax.axvline(inc_per_capita.mean(), color='b')

# Highlight median
ax.axvline(inc_per_capita.median(), color='g')

# Show the plot
plt.show()

Editează și rulează codul