Побудова діаграми розсіювання з урахуванням пропусків

У цій вправі ви створите діаграму розсіювання, що міститиме як пропущені, так і непорожні значення. Ви використаєте функцію fill_dummy_values(), створену у попередній вправі, щоб заповнити умовні значення в датафреймі diabetes_dummy.

Наявність пропуску в стовпці обчислюється методом .isnull(). Результат — це Series (pd.Series) зі значеннями True або False.

Щоб задати різні кольори для пропущених і непорожніх значень, можна поєднати ознаку пропуску за допомогою операції OR (|) для стовпців, які ви візуалізуєте. У результаті отримаємо:

True \(\rightarrow\) або col1, або col2, або обидва значення відсутні.
False \(\rightarrow\) ні для col1, ні для col2 значення не відсутні.

Датафрейм diabetes і функція fill_dummy_values() вже завантажені для вашого використання.

Ця вправа є частиною курсу

Робота з пропущеними даними в Python

Переглянути курс

Інструкції до вправи

Використайте операцію OR, щоб поєднати ознаку пропуску для Skin_Fold і BMI.
Заповніть умовні значення в diabetes_dummy за допомогою функції fill_dummy_values().
Побудуйте діаграму розсіювання для 'BMI' проти 'Skin_Fold'; зверніть увагу, що Y проти X означає вісь Y відносно осі X, або Y як функція X.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Use OR operation to combine Skin_Fold and BMI nullity
nullity = ___

# Fill dummy values in diabetes_dummy
diabetes_dummy = ___

# Create a scatter plot of BMI versus Skin_Fold
diabetes_dummy.plot(x=___, y=___, kind='___', alpha=0.5,                     
                    # Set color to nullity of BMI and Skin_Fold
                    c=___, 
                    cmap='rainbow')

plt.show()

Редагувати та запускати код