Đồ thị EDA I
Sau khi đã tạo một vài thống kê cơ bản, giờ là lúc bạn đưa ra và kiểm chứng một số giả thuyết về mối phụ thuộc trong dữ liệu. Nhắc lại, DataFrame train từ cuộc thi taxi đã có sẵn trong không gian làm việc của bạn.
Bắt đầu bằng cách vẽ một biểu đồ scatter thể hiện mối quan hệ giữa số tiền cước (fare) và quãng đường chuyến đi. Trực giác cho thấy chuyến đi càng dài thì giá càng cao.
Để tính khoảng cách theo kilômét giữa hai tọa độ địa lý, bạn sẽ dùng Haversine distance. Phép tính này có sẵn thông qua hàm haversine_distance() đã được định nghĩa cho bạn. Hàm này nhận DataFrame train làm đầu vào.
Bài tập này là một phần của khóa học
Chinh phục cuộc thi Kaggle bằng Python
Hướng dẫn bài tập
- Tạo biến mới "distance_km" là Haversine distance giữa điểm đón (pickup) và điểm trả (dropoff).
- Vẽ biểu đồ scatter với "fare_amount" trên trục x và "distance_km" trên trục y. Để vẽ biểu đồ scatter, dùng phương thức
scatter()của matplotlib. - Giới hạn quãng đường chuyến đi trong khoảng từ 0 đến 50 kilômét để tránh vẽ các ngoại lệ (outlier).
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Calculate the ride distance
train['distance_km'] = ____(train)
# Draw a scatterplot
plt.____(x=____[____], y=____[____], alpha=0.5)
plt.xlabel('Fare amount')
plt.ylabel('Distance, km')
plt.title('Fare amount based on the distance')
# Limit on the distance
plt.ylim(0, ____)
plt.show()