在分布中突出数值
有时需要先整理数据，才能做出更好的可视化。处理缺失值的两个方法是 .dropna() 和 .fillna()。您还可以通过在特定列上使用 .quantile() 设定条件，过滤高于或低于某个百分位的记录，从而去除离群值。
您还在视频中看到如何在图中强调某个特定取值：在位置 x 处跨坐标轴添加一条竖直线：
Axes.axvline(x=0, color=None, ...)
本练习中，您将最后看一眼全球收入分布，然后删除高于第 95 个百分位的离群值，绘制分布图，并同时突出显示均值和中位数。已导入 pandas 为 pd、seaborn 为 sns、matplotlib.pyplot 为 plt，之前练习中的 income DataFrame 已在您的工作区可用。
本练习是课程的一部分
在 Python 中导入与管理金融数据
练习说明
- 将列
'Income per Capita'赋给变量inc_per_capita。 - 过滤并仅保留
inc_per_capita中低于第 95 个百分位的行，并将结果重新赋值给同名变量。 - 为过滤后的
inc_per_capita绘制默认直方图，并将轴对象赋给ax。 - 使用
ax.axvline()且color='b'，以蓝色突出显示inc_per_capita的均值。 - 使用
ax.axvline()且color='g'，以绿色突出显示其中位数。显示结果！
交互式实操练习
通过完成这段示例代码来试试这个练习。
# 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()