Visualisering av internationell inkomstfördelning

seaborn är ett Python-bibliotek för visualisering av statistiska data, byggt på matplotlib.

Som standard skapar funktionen distplot() i paketet seaborn ett histogram, där data grupperas i intervall och visas som staplar, samt anpassar en kerneldensitetsskattning (KDE), det vill säga ett utjämnat histogram. Du kan också använda distplot() för att skapa en annan typ av graf som kallas rugplot, vilket lägger till markeringar längs diagrammets nederkant för att visa hur tätt observationerna är fördelade längs x-axeln.

seaborn.distplot(a, bins=None, hist=True, kde=True, rug=False, ...)

I tidigare övningar skapade du ett kvantildiagram som gav en ganska detaljerad bild av inkomstnivån per capita vid olika punkter i fördelningen. Här använder du distplot() för att få hela bilden!

pandas har importerats som pd, och DataFrame:en income från föregående övning finns tillgänglig i din arbetsyta.

Den här övningen är en del av kursen

Importera och hantera finansiell data i Python

Visa kurs

Övningsinstruktioner

Importera seaborn som sns och matplotlib.pyplot som plt.
Skriv ut sammanfattningsstatistiken från .describe().
Rita och visa ett enkelt histogram över kolumnen 'Income per Capita' med .distplot().
Skapa och visa en rugplot av samma data genom att ange de extra argumenten bins till 50, kde till False och rug till True.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Import seaborn and matplotlib
____
____

# Print the summary statistics for income
print(____.____())

# Plot a basic histogram of income per capita
____

# Show the plot
plt.show()

# Plot a rugplot
sns.distplot(income['Income per Capita'], ____, ____, ____)

# Show the plot
plt.show()

Redigera och kör kod