Markera värden i fördelningen

Ibland behöver du bearbeta dina data för att skapa en bättre visualisering. Två metoder som hanterar saknade värden är .dropna() och .fillna(). Du kan också ta bort outliers genom att filtrera poster som överstiger eller understiger en viss percentil med hjälp av ett villkor och .quantile() på en specifik kolumn.

I videon såg du också hur man framhäver ett visst värde i ett diagram genom att lägga till en vertikal linje vid position x längs axlarna:

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

I den här övningen tittar du en sista gång på den globala inkomstfördelningen. Du tar bort outliers över den 95:e percentilen, ritar fördelningen och markerar både medelvärdet och medianvärdet. pandas som pd, seaborn som sns och matplotlib.pyplot som plt har importerats, och DataFrame:n income från tidigare övningar finns tillgänglig i din arbetsyta.

Den här övningen är en del av kursen

Importera och hantera finansiell data i Python

Visa kurs

Övningsinstruktioner

Tilldela kolumnen 'Income per Capita' till inc_per_capita.
Filtrera så att endast de rader i inc_per_capita som är lägre än den 95:e percentilen behålls. Tilldela resultatet till samma variabel.
Rita ett histogram med standardinställningar för den filtrerade versionen av inc_per_capita och tilldela det till ax.
Använd ax.axvline() med color='b' för att markera medelvärdet av inc_per_capita i blått.
Använd ax.axvline() med color='g' för att markera medianvärdet i grönt. Visa resultatet!

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()

Redigera och kör kod