Порівняння графіків густини
Різні способи імпутації, які ви виконували раніше, можна порівнювати графічно за їхніми графіками густини. З цих графіків ви зможете легко проаналізувати й знайти набір даних, чий розподіл найбільше схожий на розподіл початкового набору даних. Ви також побачите, як імпутація може вносити зміщення.
У цій вправі ви порівняєте графіки густини датафреймів із заповненими значеннями для diabetes, які ви створили раніше.
Датафрейми diabetes_cc, diabetes_mean_imputed, diabetes_knn_imputed і diabetes_mice_imputed уже завантажено для вас. Також доступний matplotlib.pyplot як plt.
Ця вправа є частиною курсу
Робота з пропущеними даними в Python
Інструкції до вправи
- Побудуйте графік густини для стовпця
'Skin_Fold'для кожного датафрейму. - Встановіть підписи, використовуючи список
labels. - Встановіть підпис для осі x як
'Skin Fold'.
Інтерактивна практична вправа
Спробуйте виконати цю вправу, доповнивши цей зразок коду.
# 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()