Анализ различий между переменными

Теперь вы проанализируете средние значения и стандартные отклонения каждой переменной, построив столбчатую диаграмму. Это дополняет предыдущий шаг: вы наглядно изучите различия в масштабах переменных и их разбросе.

Библиотека pandas загружена как pd, а matplotlib.pyplot — как plt. Набор данных wholesale загружен как DataFrame библиотеки pandas, а средние значения и стандартные отклонения для каждого столбца набора данных wholesale загружены как объекты Series библиотеки pandas с именами averages и std_devs соответственно. Изучите их в консоли.

Это упражнение является частью курса

Машинное обучение для маркетинга на Python

Посмотреть курс

Инструкции к упражнению

Создайте список с именами столбцов набора данных wholesale и ещё один список с отсортированными значениями от 0 до числа столбцов в wholesale.
Постройте averages серым цветом, а std_devs — оранжевым; сместите ось X на 0,2.
Добавьте x_ix в качестве меток делений и x_names в качестве подписей, повернув их на 90 градусов.
Добавьте легенду и отобразите диаграмму.

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Create column names list and same length integer list
x_names = wholesale.___
x_ix = np.arange(wholesale.shape[1])

# Plot the averages data in gray and standard deviations in orange 
plt.bar(x=x_ix-___, height=averages, color='grey', label='Average', width=0.4)
plt.bar(x=x_ix+___, height=std_devs, color='orange', label='Standard Deviation', width=0.4)

# Add x-axis labels and rotate
plt.xticks(ticks=___, labels=x_names, rotation=90)

# Add the legend and display the chart
plt.legend()
plt.___()

Редактировать и запускать код