เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

EDA ของข้อมูลการรู้หนังสือและอัตราการเจริญพันธุ์

ในแบบฝึกหัดถัดไปหลายข้อ เราจะศึกษาความสัมพันธ์ระหว่างการรู้หนังสือของผู้หญิงกับอัตราการเจริญพันธุ์ (ซึ่งนิยามว่าจำนวนเด็กเฉลี่ยที่ผู้หญิงหนึ่งคนให้กำเนิด) ทั่วโลก เพื่อให้วิเคราะห์และแปลผลได้ง่ายขึ้น เราจะใช้อัตราการไม่รู้หนังสือแทน

ก่อนเริ่มวิเคราะห์ ควรทำ EDA ก่อนเสมอ ให้พล็อตกราฟอัตราการเจริญพันธุ์เทียบกับอัตราการไม่รู้หนังสือ และคำนวณค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน NumPy array illiteracy เก็บอัตราการไม่รู้หนังสือในกลุ่มผู้หญิงของประเทศส่วนใหญ่ทั่วโลก ส่วน array fertility เก็บข้อมูลอัตราการเจริญพันธุ์ที่สอดคล้องกัน

อาจเป็นประโยชน์หากกลับไปดูฟังก์ชันที่เขียนไว้ในคอร์สก่อนหน้า เพื่อคำนวณค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สัน

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

Statistical Thinking in Python (ตอนที่ 2)

ดูคอร์ส

คำแนะนำการฝึกหัด

  • พล็อต fertility (แกน y) เทียบกับ illiteracy (แกน x) ในรูปแบบ scatter plot
  • กำหนด margin ที่ 2%
  • คำนวณและพิมพ์ค่าสัมประสิทธิ์สหสัมพันธ์เพียร์สันระหว่าง illiteracy และ fertility

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Plot the illiteracy rate versus fertility
_ = plt.plot(____, ____, ____='.', ____='none')

# Set the margins and label axes
plt.margins(____)
_ = plt.xlabel('percent illiterate')
_ = plt.ylabel('fertility')

# Show the plot
plt.show()

# Show the Pearson correlation coefficient
print(pearson_r(____, ____))
แก้ไขและรันโค้ด