Разведочный анализ данных: визуализируйте все данные

Чтобы получить наглядное представление о наборе данных, полезно визуализировать все имеющиеся данные. В этом упражнении постройте график всех отрезков для всех пловчих в заплывах на 800 метров. Данные хранятся в массивах NumPy split_number и splits. Массивы организованы так, что splits[i,j] — это время отрезка пловчихи i для split_number[j].

Это упражнение является частью курса

Примеры применения статистического мышления

Посмотреть курс

Инструкции к упражнению

Напишите цикл for, перебирая набор отрезков для каждой пловчихи, и:
- Постройте график зависимости времени отрезка от его номера. Используйте именованные аргументы linewidth=1 и color='lightgray'.
Вычислите среднее время отрезка для каждой дистанции с помощью функции np.mean() с именованным аргументом axis=0. Это указывает np.mean() вычислять среднее по строкам, что даёт среднее время отрезка для каждого номера отрезка.
Постройте график средних времён отрезков (ось Y) в зависимости от номера отрезка (ось X), используя именованные аргументы marker='.', linewidth=3 и markersize=12.
Подпишите оси и отобразите график.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Plot the splits for each swimmer
for splitset in ____:
    _ = ____(____, ____, lw=1, color='lightgray')

# Compute the mean split times
mean_splits = ____

# Plot the mean split times


# Label axes and show plot
_ = plt.xlabel('split number')
_ = plt.ylabel('split time (s)')
plt.show()

Редактировать и запускать код