在分布中凸顯特定數值
有時你需要先整理資料，才能做出更好的視覺化。處理遺漏值常用的方法有 .dropna() 與 .fillna()。你也可以用篩選方式移除離群值，例如對特定欄位使用 .quantile() 設定分位數門檻，過濾高於或低於某個百分位數的資料列。
你也在影片裡看到，如何在圖上以一條垂直線強調特定的 x 位置：
Axes.axvline(x=0, color=None, ...)
在這個練習中，你會最後再看一次全球所得分布，接著移除高於第 95 百分位的離群值，繪製分布，並同時標示平均數與中位數。已經為你匯入 pandas 為 pd、seaborn 為 sns、matplotlib.pyplot 為 plt，而且先前練習用到的 income DataFrame 也已在你的工作空間中可用。
本練習屬於課程
在 Python 中匯入與管理財務資料
練習說明
- 將欄位
'Income per Capita'指派給inc_per_capita。 - 過濾只保留
inc_per_capita中低於第 95 百分位的列，並重新指派回同一變數。 - 為過濾後的
inc_per_capita繪製預設的長條圖（histogram），並指派給ax。 - 使用
ax.axvline()並設color='b'，以藍色凸顯inc_per_capita的平均數。 - 使用
ax.axvline()並設color='g'，以綠色凸顯其中位數。顯示結果！
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Create inc_per_capita
inc_per_capita = ____
# Filter out incomes above the 95th percentile
inc_per_capita = inc_per_capita[____ < ____]
# Plot histogram and assign to ax
ax = ____
# Highlight mean
ax.axvline(inc_per_capita.mean(), color='b')
# Highlight median
ax.axvline(inc_per_capita.median(), color='g')
# Show the plot
plt.show()