สำรวจชุดข้อมูลการซื้อสินค้าของลูกค้า
คุณได้สำรวจชุดข้อมูลการซื้อสินค้าของลูกค้าในวิดีโอแล้ว และตอนนี้พร้อมที่จะพล็อตกราฟเชิงสำรวจเพื่อทำความเข้าใจการกระจายของตัวแปรและความสัมพันธ์ระหว่างตัวแปรเหล่านั้น ในแบบฝึกหัดนี้ จะสำรวจชุดข้อมูล wholesale และพล็อตความสัมพันธ์แบบคู่พร้อมการประมาณการกระจายของแต่ละตัวแปร โดยใช้ฟังก์ชัน pairplot จากไลบรารี seaborn ขั้นตอนนี้สำคัญมาก เพราะช่วยให้เข้าใจรูปแบบการกระจายและความสัมพันธ์ระหว่างตัวแปร ซึ่งเป็นข้อมูลสำคัญในการตัดสินใจว่าจำเป็นต้องเตรียมข้อมูลเพิ่มเติมหรือไม่
ไลบรารี pandas ถูกโหลดในชื่อ pd, seaborn ในชื่อ sns และ matplotlib.pyplot ในชื่อ plt นอกจากนี้ ชุดข้อมูล wholesale ถูกโหลดเป็น DataFrame ของ pandas แล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning สำหรับการตลาดด้วย Python
คำแนะนำการฝึกหัด
- แสดงแถวแรกของชุดข้อมูล
wholesale - พล็อตความสัมพันธ์แบบคู่ระหว่างตัวแปร
- แสดงกราฟที่ได้
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Print the header of the `wholesale` dataset
print(___.head())
# Plot the pairwise relationships between the variables
sns.pairplot(___, diag_kind='kde')
# Display the chart
plt.___()