Сравнение графиков плотности
Различные виды импутации, выполненные ранее, можно наглядно сравнить с помощью графиков плотности. По этим графикам легко определить, какой набор данных имеет распределение, наиболее близкое к исходному. Кроме того, графики позволяют увидеть, как импутация может вносить смещение.
В этом упражнении вы сравните графики плотности для заполненных датафреймов diabetes, созданных ранее.
Датафреймы diabetes_cc, diabetes_mean_imputed, diabetes_knn_imputed и diabetes_mice_imputed уже загружены, а также доступна библиотека matplotlib.pyplot под псевдонимом plt.
Это упражнение является частью курса
Работа с пропущенными данными в Python
Инструкции к упражнению
- Постройте график плотности для столбца
'Skin_Fold'для каждого датафрейма. - Задайте подписи с помощью списка
labels. - Установите подпись оси X равной
'Skin Fold'.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Plot graphs of imputed DataFrames and the complete case
diabetes_cc['___'].___(___='___', c='red', linewidth=3)
diabetes_mean_imputed['___'].plot(___='___')
diabetes_knn_imputed['___'].plot(___='___')
diabetes_mice_imputed['___'].plot(___='___')
# Create labels for the four DataFrames
labels = ['Baseline (Complete Case)', 'Mean Imputation', 'KNN Imputation', 'MICE Imputation']
plt.legend(___)
# Set the x-label as Skin Fold
plt.xlabel('___')
plt.show()