สร้างฮิสโตแกรมความนิยม

คำนวณ quantile และจัดกลุ่มจำนวนสตรีมมาแล้ว ขั้นต่อไปคือการแสดงภาพการกระจายของความนิยมทั้งหมดเพื่อสรุปการวิเคราะห์ คอลัมน์ popularity ในชุดข้อมูล Spotify มีค่าตั้งแต่ 0 ถึง 100 สร้างการนับฮิสโตแกรมด้วยขอบ bin ที่กำหนดเอง จากนั้นพล็อตการกระจายด้วย Plotly เพื่อดูว่าอัลบั้มส่วนใหญ่กระจุกตัวอยู่ที่ใด

polars โหลดเป็น pl และ plotly.express เป็น px โดย DataFrame spotify พร้อมใช้งานแล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การแปลงข้อมูลด้วย Polars

ดูคอร์ส

คำแนะนำการฝึกหัด

สร้างการนับฮิสโตแกรมจาก popularity โดยใช้ bin ที่ 0, 25, 50, 75 และ 100
สร้างกราฟแท่งโดยให้ category อยู่บนแกน x และ count อยู่บนแกน y

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Build histogram counts with custom bins
hist = spotify["popularity"].____(bins=[0, 25, 50, ____, ____])

# Create a bar chart of the distribution
fig = px.____(hist, x="____", y="____")
fig.show()

แก้ไขและรันโค้ด