I övningarna i det här avsnittet använder du ett klassiskt dataset som samlades in av botanikern Edward Anderson och gjordes känt av Ronald Fisher – en av de mest inflytelserika statistikerna genom tiderna. Anderson mätte noggrant de anatomiska egenskaperna hos prover av tre olika irisarter: Iris setosa, Iris versicolor och Iris virginica. Det fullständiga datasetet finns tillgängligt som en del av scikit-learn. Här arbetar du med hans mätningar av kronbladslängd.

Plotta ett histogram över kronbladslängderna för hans 50 prover av Iris versicolor med matplotlib/seoborns standardinställningar. Kom ihåg att du anger standardstilen för seaborn med sns.set(), där sns är aliaset som seaborn importeras under.

Den del av datasetet som innehåller Iris versicolor-kronbladslängderna i enheten centimeter (cm) är lagrad i NumPy-arrayen versicolor_petal_length.

I videon plottade Justin histogram med hjälp av biblioteket pandas och indexerade DataFrame för att extrahera önskad kolumn. Här behöver du däremot bara använda den tillhandahållna NumPy-arrayen. Justin tilldelade också sina plottningssatser (utom plt.show()) till dummyvariabeln _. Det är för att undvika att onödiga utdata visas. Det är inte ett krav i dina lösningar, men det är god praxis att använda det. Alternativt, om du arbetar i en interaktiv miljö som ett Jupyter notebook, kan du lägga till ett ; efter dina plottningssatser för att uppnå samma effekt. Justin föredrar att använda _, och det syns därför i lösningskoden.

Tolka ett bi-svärmsdiagram

Statistiskt tänkande i Python (del 1)

Interaktiv övning med praktiskt arbete