เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

กราฟ EDA ชุดที่ 1

หลังจากสร้างสถิติเบื้องต้นไปแล้ว ถึงเวลาตั้งสมมติฐานและทดสอบความสัมพันธ์ในข้อมูล DataFrame train จากการแข่งขัน taxi พร้อมใช้งานในพื้นที่ทำงานของคุณแล้ว

เริ่มต้นด้วยการสร้าง scatterplot เพื่อดูความสัมพันธ์ระหว่างค่าโดยสารและระยะทางของการเดินทาง โดยทั่วไปแล้ว ยิ่งเดินทางไกล ค่าโดยสารก็ยิ่งสูงขึ้น

สำหรับการคำนวณระยะทางระหว่างพิกัดภูมิศาสตร์สองจุดในหน่วยกิโลเมตร จะใช้ Haversine distance ซึ่งมีฟังก์ชัน haversine_distance() กำหนดไว้ให้แล้ว โดยฟังก์ชันนี้รับ DataFrame train เป็น input

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การแข่งขัน Kaggle ด้วย Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • สร้างตัวแปรใหม่ชื่อ "distance_km" โดยคำนวณ Haversine distance ระหว่างจุดรับและจุดส่งผู้โดยสาร
  • สร้าง scatterplot โดยให้แกน x แสดง "fare_amount" และแกน y แสดง "distance_km" โดยใช้เมธอด scatter() ของ matplotlib
  • กำหนดช่วงระยะทางให้อยู่ระหว่าง 0 ถึง 50 กิโลเมตร เพื่อหลีกเลี่ยงการแสดง outlier

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Calculate the ride distance
train['distance_km'] = ____(train)

# Draw a scatterplot
plt.____(x=____[____], y=____[____], alpha=0.5)
plt.xlabel('Fare amount')
plt.ylabel('Distance, km')
plt.title('Fare amount based on the distance')

# Limit on the distance
plt.ylim(0, ____)
plt.show()
แก้ไขและรันโค้ด