مخطط مبعثر من الأعمدة

جزء من قسم البيانات والرسوم البيانية في رحلة Machine Learning على Coddy. الدرس 48 من 60.

هل تعني البطارية الأكبر مدى أطول؟ يجيب مخطط مبعثر لعمودين عن ذلك بنظرة واحدة، بنقطة واحدة لكل صف:

مخطط مبعثر بعنوان مدى الدراجات الكهربائية: سبع دراجات كهربائية ممثلة بنقاط، سعة البطارية بالواط-ساعة على المحور الأفقي والمدى بالكيلومتر على المحور الرأسي، مع ارتفاعهما معًا من 250 واط-ساعة و35 كيلومترًا إلى 750 واط-ساعة و110 كيلومترات

يحلّ العمود محلّ القائمة، لذا يأخذ ax.scatter عمودين:

bikes = pd.DataFrame({
    "battery_wh": [250, 300, 400, 500, 500, 625, 750],
    "range_km": [35, 45, 60, 65, 75, 95, 110],
})
fig, ax = plt.subplots()
ax.scatter(bikes["battery_wh"], bikes["range_km"])
ax.set_title("E-bike Range")
ax.set_xlabel("Battery (Wh)")
ax.set_ylabel("Range (km)")
plt.show()

النقاط التي ترتفع نحو اليمين تعني أن الأعمدة تنمو معًا: علاقة يمكن للنموذج تعلّمها. أما السحابة عديمة الشكل فتعني عدم وجود علاقة.

لا يرى ax.scatter أسماء الأعمدة، لذا عليك تعيين تسميات المحاور.

التحدي

متوسط

قاس حارس الحديقة 12 شجرة في trees.csv: age_years وtrunk_cm وheight_m. أيّهما يرتبط بالارتفاع: العمر أم عرض الجذع؟ يقرأ البرنامج المبدئي أحد هذين الاسمين في column ويُعِدّ المخطط.

ارسم نقطة واحدة لكل شجرة: ذلك العمود أفقيًا، وheight_m عموديًا.
سمِّ المحور x باسم العمود.

ينبغي أن يبدو مخططك مثل هذا، لحديقة أخرى، مع crown_m:

مخطط مبعثر بعنوان Tree Size، مع crown_m أفقيًا وHeight (m) عموديًا: عشر نقاط تتصاعد بشكل غير محكم، من أشجار يبلغ ارتفاعها نحو 6 m ذات تيجان صغيرة إلى أشجار بارتفاع 14 m وتيجان بعرض 7.5 m

يشغّل Coddy برنامجك لكلا العمودين ويصف كل مخطط. قارنهما: الشريط الصاعد الأكثر تماسكًا يجيب عن السؤال.

جرّب بنفسك

import pandas as pd
import matplotlib.pyplot as plt

trees = pd.read_csv("trees.csv")
column = input()

fig, ax = plt.subplots()
ax.set_title("Tree Size")
ax.set_ylabel("Height (m)")

# اكتب الكود الخاص بك أدناه

# لا تغيّر السطر أدناه
plt.show()