Візуалізація багатьох змінних

Коли ви починаєте розглядати більше змінних, показувати їх усі одночасно стає дедалі складніше. Окрім використання шкал x і y для двох числових змінних, ви можете застосувати колір для третьої числової змінної, а для категоріальних змінних — фасетування. І це майже межа, за якою графіки стають надто важкими для інтерпретації. Існують спеціалізовані типи графіків, як-от теплові карти кореляцій та графіки паралельних координат, що дозволяють працювати з більшою кількістю змінних, але вони надають значно менше інформації про кожну змінну й не надто підходять для візуалізації передбачень моделей.

Тут ви розширите можливості діаграми розсіювання, показавши ціну будинку, відстань до станції MRT, кількість крамниць «біля дому» поблизу та вік будинку — усе разом на одному графіку.

taiwan_real_estate доступний.

Ця вправа є частиною курсу

Середній рівень регресії зі statsmodels у Python

Переглянути курс

Інструкції до вправи

Створіть фасетовану ґратку для кожного значення house_age_years у taiwan_real_estate.
Використовуючи набір даних taiwan_real_estate, намалюйте діаграму розсіювання n_convenience проти sqrt_dist_to_mrt_m, зафарбувавши точки за price_twd_msq.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# Prepare the grid using taiwan_real_estate, for each house age category, colored by price_twd_msq
grid = ____(data=____,
            col=____,
            hue=____,
            palette="plasma")

# Plot the scatterplots with sqrt_dist_to_mrt_m on the x-axis and n_convenience on the y-axis
grid.map(____,
         ____,
         ____)

# Show the plot (brighter colors mean higher prices)
plt.show()

Редагувати та запускати код