EDA: พล็อตข้อมูลทั้งหมด

การพล็อตข้อมูลทั้งหมดเป็นวิธีที่ดีในการสำรวจภาพรวมของชุดข้อมูล ในแบบฝึกหัดนี้ ให้พล็อตเวลาในแต่ละช่วง (split) ของนักว่ายน้ำหญิงทุกคนในการแข่งขันรอบคัดเลือกระยะ 800 เมตร ข้อมูลถูกเก็บไว้ใน NumPy arrays ชื่อ split_number และ splits โดย splits[i,j] คือเวลาช่วงที่ j ของนักว่ายน้ำคนที่ i

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

กรณีศึกษาด้านการคิดเชิงสถิติ

ดูคอร์ส

คำแนะนำการฝึกหัด

เขียนลูป for วนซ้ำผ่านชุดเวลาช่วงของนักว่ายน้ำแต่ละคน เพื่อ:
- พล็อตเวลาช่วงเทียบกับหมายเลขช่วง โดยใช้ keyword arguments linewidth=1 และ color='lightgray'
คำนวณค่าเฉลี่ยเวลาแต่ละช่วงสำหรับแต่ละระยะ โดยใช้ฟังก์ชัน np.mean() พร้อม keyword argument axis=0 ซึ่งจะบอกให้ np.mean() คำนวณค่าเฉลี่ยตามแถว เพื่อให้ได้ค่าเฉลี่ยเวลาของแต่ละช่วง
พล็อตค่าเฉลี่ยเวลาช่วง (แกน y) เทียบกับหมายเลขช่วง (แกน x) โดยใช้ keyword arguments marker='.', linewidth=3 และ markersize=12
ใส่ป้ายกำกับแกนและแสดงกราฟ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# 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()

แก้ไขและรันโค้ด