Yoğunluk grafiklerini karşılaştırma
Daha önce yaptığın farklı atamalar, yoğunluk grafikleriyle görsel olarak karşılaştırılabilir. Bu grafiklerden, orijinal veri kümesine en benzer dağılıma sahip veri kümesini kolayca analiz edebilir ve bulabilirsin. Ayrıca bir atamanın nasıl yanlılık oluşturabileceğini de görebileceksin.
Bu egzersizde, daha önce oluşturduğun diabetes için Atanmış DataFrame'lerin yoğunluk grafiklerini karşılaştıracaksın.
matplotlib.pyplot plt olarak ve diabetes_cc, diabetes_mean_imputed, diabetes_knn_imputed ve diabetes_mice_imputed DataFrame'leri senin için yüklendi ve kullanıma hazır.
Bu egzersiz, kursun bir parçasıdır
Python'da Eksik Verilerle Çalışma
Egzersiz talimatları
- Her DataFrame için
'Skin_Fold'sütunu için bir yoğunluk grafiği çiz. - Etiketleri
labelslistesiyle ayarla. - x ekseninin etiketini
'Skin Fold'olarak ayarla.
Uygulamalı etkileşimli egzersiz
Bu egzersizi bu örnek kodu tamamlayarak deneyin.
# Plot graphs of imputed DataFrames and the complete case
diabetes_cc['___'].___(___='___', c='red', linewidth=3)
diabetes_mean_imputed['___'].plot(___='___')
diabetes_knn_imputed['___'].plot(___='___')
diabetes_mice_imputed['___'].plot(___='___')
# Create labels for the four DataFrames
labels = ['Baseline (Complete Case)', 'Mean Imputation', 'KNN Imputation', 'MICE Imputation']
plt.legend(___)
# Set the x-label as Skin Fold
plt.xlabel('___')
plt.show()