ทำความเข้าใจความแตกต่างระหว่างตัวแปร
ในแบบฝึกหัดนี้ จะวิเคราะห์ค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานของแต่ละตัวแปรโดยการพล็อตเป็น barplot ขั้นตอนนี้เป็นการต่อยอดจากขั้นตอนก่อนหน้า เพื่อสำรวจความแตกต่างของสเกลและความแปรปรวนของตัวแปรในเชิงภาพ
ไลบรารี pandas โหลดไว้เป็น pd และ matplotlib.pyplot เป็น plt นอกจากนี้ ชุดข้อมูล wholesale ถูกโหลดเป็น DataFrame ของ pandas ส่วนค่าเฉลี่ยและค่าเบี่ยงเบนมาตรฐานของแต่ละคอลัมน์ใน wholesale ถูกโหลดเป็น Series ของ pandas ชื่อ averages และ std_devs ตามลำดับ ลองสำรวจค่าเหล่านี้ใน console ก่อน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Machine Learning สำหรับการตลาดด้วย Python
คำแนะนำการฝึกหัด
- สร้าง list ที่เก็บชื่อคอลัมน์ของ
wholesaleและอีก list หนึ่งที่เก็บค่าเรียงลำดับตั้งแต่ 0 จนถึงจำนวนคอลัมน์ในwholesale - พล็อต
averagesด้วยสีเทาและstd_devsด้วยสีส้ม โดยเลื่อนแกน x ไป 0.2 - เพิ่ม
x_ixเป็น ticks และx_namesเป็น labels พร้อมหมุนป้ายกำกับ 90 องศา - เพิ่ม legend และแสดงกราฟ
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Create column names list and same length integer list
x_names = wholesale.___
x_ix = np.arange(wholesale.shape[1])
# Plot the averages data in gray and standard deviations in orange
plt.bar(x=x_ix-___, height=averages, color='grey', label='Average', width=0.4)
plt.bar(x=x_ix+___, height=std_devs, color='orange', label='Standard Deviation', width=0.4)
# Add x-axis labels and rotate
plt.xticks(ticks=___, labels=x_names, rotation=90)
# Add the legend and display the chart
plt.legend()
plt.___()