Kom igångKom igång gratis

EDA: Plotta all din data

För att få en grafisk överblick över en datamängd är det ofta användbart att plotta all data. I den här övningen plottar du alla splittar för samtliga kvinnliga simmare i 800-metersförsöken. Data finns tillgängliga i NumPy-arrayerna split_number och splits. Arrayerna är organiserade så att splits[i,j] är splittiden för simmare i vid splitnummer j.

Den här övningen är en del av kursen

Fallstudier i statistiskt tänkande

Visa kurs

Övningsinstruktioner

  • Skriv en for-slinga som loopar över varje simmares uppsättning av splittar för att:
    • Plotta splittiden mot splitnumret. Använd nyckelargumenten linewidth=1 och color='lightgray'.
  • Beräkna den genomsnittliga splittiden för varje delsträcka. Det gör du med funktionen np.mean() och nyckelargumentet axis=0. Det talar om för np.mean() att beräkna medelvärdet över rader, vilket ger den genomsnittliga splittiden för varje splitnummer.
  • Plotta de genomsnittliga splittiderna (y-axeln) mot splitnumret (x-axeln) med nyckelargumenten marker='.', linewidth=3 och markersize=12.
  • Sätt etiketter på axlarna och visa plottet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod