Aykırı değerleri hariç tutma

Şimdi student_data veri kümesini kullanarak evde internet erişimi olan öğrenciler ile olmayanların final notları ("G3") dağılımını karşılaştıralım. Bunu yapmak için, öğrencinin evde internet erişimi olup olmadığını evet/hayır (ikili) gösteren "internet" değişkenini kullanacağız.

İnternetin kırsal bölgelerde daha az erişilebilir olabileceğini düşünerek, öğrencinin yaşadığı yere göre alt gruplar ekleyeceğiz. Bunun için, öğrencinin kentsel ("Urban") ya da kırsal ("Rural") bir yerde yaşadığını belirten "location" değişkenini kullanabiliriz.

Seaborn zaten sns olarak ve matplotlib.pyplot da plt olarak içe aktarıldı. Anımsatma: Kutu grafiğinde aykırı değerleri showfliers=False ayarlayarak hariç tutabilirsin.

Bu egzersiz

Seaborn ile Veri Görselleştirmeye Giriş

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

student_data DataFrame'ini kullanarak, x eksenine "internet", y eksenine "G3" gelecek şekilde sns.catplot() ile bir kutu grafiği oluştur.
Her bir kutu grafiğinin "location" değişkenine göre renklendirileceği alt gruplar ekle.
Aykırı değerleri gösterme.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Create a box plot with subgroups and omit the outliers






# Show plot
plt.show()

Kodu Düzenle ve Çalıştır

Bu egzersiz

Seaborn ile Veri Görselleştirmeye Giriş

kursunun bir parçasıdır

InicianteNível de habilidade

4.9+

Kursa Ücretsiz Başlayın

What is Seaborn, and when should you use it? In this chapter, you will find out! Plus, you will learn how to create scatter plots and count plots with both lists of data and pandas DataFrames. You will also be introduced to one of the big advantages of using Seaborn - the ability to easily add a third variable to your plots by using color to represent different subgroups.

Exercise 1: Introduction to Seaborn Exercise 2: Making a scatter plot with lists Exercise 3: Making a count plot with a list Exercise 4: Using pandas with Seaborn Exercise 5: "Tidy" vs. "untidy" data Exercise 6: Making a count plot with a DataFrame Exercise 7: Adding a third variable with hue Exercise 8: Hue and scatter plots Exercise 9: Hue and count plots

In this chapter, you will create and customize plots that visualize the relationship between two quantitative variables. To do this, you will use scatter plots and line plots to explore how the level of air pollution in a city changes over the course of a day and how horsepower relates to fuel efficiency in cars. You will also see another big advantage of using Seaborn - the ability to easily create subplots in a single figure!

Exercise 1: Introduction to relational plots and subplots Exercise 2: Creating subplots with col and row Exercise 3: Creating two-factor subplots Exercise 4: Customizing scatter plots Exercise 5: Changing the size of scatter plot points Exercise 6: Changing the style of scatter plot points Exercise 7: Introduction to line plots Exercise 8: Interpreting line plots Exercise 9: Visualizing standard deviation with line plots Exercise 10: Plotting subgroups in line plots

Categorical variables are present in nearly every dataset, but they are especially prominent in survey data. In this chapter, you will learn how to create and customize categorical plots such as box plots, bar plots, count plots, and point plots. Along the way, you will explore survey data from young people about their interests, students about their study habits, and adult men about their feelings about masculinity.

Exercise 1: Count plot ve bar plotlar Exercise 2: Count plot'lar Exercise 3: Yüzdelerle çubuk grafikler Exercise 4: Çubuk grafiklerini özelleştirme Exercise 5: Kutu grafikleri Exercise 6: Kutu grafiği oluştur ve yorumla Exercise 7: Aykırı değerleri hariç tutma

Geçerli Egzersiz

Exercise 8: Bıyıkları ayarlama Exercise 9: Nokta grafikleri Exercise 10: Nokta grafiklerini özelleştirme Exercise 11: Alt gruplarla point plot

In this final chapter, you will learn how to add informative plot titles and axis labels, which are one of the most important parts of any data visualization! You will also learn how to customize the style of your visualizations in order to more quickly orient your audience to the key takeaways. Then, you will put everything you have learned together for the final exercises of the course!

Exercise 1: Changing plot style and color Exercise 2: Changing style and palette Exercise 3: Changing the scale Exercise 4: Using a custom palette Exercise 5: Adding titles and labels: Part 1 Exercise 6: FacetGrids vs. AxesSubplots Exercise 7: Adding a title to a FacetGrid object Exercise 8: Adding titles and labels: Part 2 Exercise 9: Adding a title and axis labels Exercise 10: Rotating x-tick labels Exercise 11: Putting it all together Exercise 12: Box plot with subgroups Exercise 13: Bar plot with subgroups and subplots Exercise 14: Well done! What's next?