Visualisera många variabler

När du börjar arbeta med fler variabler blir det allt svårare att visa dem alla i samma diagram. Förutom x- och y-axlarna för två numeriska variabler kan du använda färg för en tredje numerisk variabel och fasettering för kategoriska variabler. Där går ungefär gränsen – fler variabler gör diagrammet svårt att tolka. Det finns specialiserade diagramtyper som korrelationsheatmaps och parallella koordinatdiagram som hanterar fler variabler, men de ger betydligt mindre information om varje enskild variabel och lämpar sig inte särskilt väl för att visualisera modellprediktioner.

Här får du pressa punktdiagrammets gränser genom att visa huspriser, avstånd till närmaste MRT-station, antal närliggande bekvämlighetsbutiker och husets ålder – allt i ett och samma diagram.

taiwan_real_estate finns tillgängligt.

Den här övningen är en del av kursen

Intermediär regression med statsmodels i Python

Visa kurs

Övningsinstruktioner

Skapa ett fasettnätverk för varje house_age_years i taiwan_real_estate.
Rita ett punktdiagram med taiwan_real_estate där n_convenience plottas mot sqrt_dist_to_mrt_m, färglagt efter price_twd_msq.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Prepare the grid using taiwan_real_estate, for each house age category, colored by price_twd_msq
grid = ____(data=____,
            col=____,
            hue=____,
            palette="plasma")

# Plot the scatterplots with sqrt_dist_to_mrt_m on the x-axis and n_convenience on the y-axis
grid.map(____,
         ____,
         ____)

# Show the plot (brighter colors mean higher prices)
plt.show()

Redigera och kör kod