So sánh biểu đồ mật độ
Các phương pháp bù khuyết mà bạn đã thực hiện trước đó có thể được so sánh trực quan bằng các biểu đồ mật độ. Từ các biểu đồ này, bạn có thể dễ dàng phân tích và tìm ra bộ dữ liệu có phân phối giống nhất so với bộ dữ liệu gốc. Bạn cũng có thể thấy cách một phép bù khuyết có thể gây sai lệch.
Trong bài tập này, bạn sẽ so sánh các biểu đồ mật độ của các DataFrame đã bù khuyết cho diabetes mà bạn đã tạo trước đó.
Các DataFrame diabetes_cc, diabetes_mean_imputed, diabetes_knn_imputed và diabetes_mice_imputed đã được nạp sẵn để bạn sử dụng, cùng với matplotlib.pyplot là plt.
Bài tập này là một phần của khóa học
Xử lý Dữ liệu Khuyết trong Python
Hướng dẫn bài tập
- Vẽ biểu đồ mật độ cho cột
'Skin_Fold'của mỗi DataFrame. - Đặt nhãn sử dụng danh sách
labels. - Đặt nhãn cho trục x là
'Skin Fold'.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# 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()