Alle Merkmale auf einmal

Teil des Abschnitts Statistik für ML der Machine Learning-Journey von Coddy. Lektion 57 von 64.

Dreißig Merkmale benötigen dreißig Histogramme. Als Raster aus kleinen Diagrammen lassen sie sich schneller erfassen, wie diese vier Iris-Merkmale zeigen:

Vier kleine Histogramme in einem 2-mal-2-Raster, eines pro Iris-Merkmal: Die beiden Kelchblatt-Histogramme haben jeweils einen einzelnen Hügel, die beiden Blütenblatt-Histogramme teilen sich jeweils in einen kleinen Block links und einen breiten Hügel rechts auf

Eine Schleife füllt das Raster und zeichnet Diagramm i mit Merkmal i:

names = iris.feature_names
fig, axs = plt.subplots(2, 2)
for i in range(4):
    ax = axs.flat[i]
    ax.hist(iris.frame[names[i]], bins=15)
    ax.set_title(names[i])
fig.tight_layout()
plt.show()

plt.subplots(2, 2) erstellt eine Tabelle mit Diagrammen, und axs.flat ordnet sie zeilenweise an:

Ein Raster mit 2 Zeilen und 3 Spalten, dessen Zellen entlang der Zeile 0 zuerst und dann der Zeile 1 von 0 bis 5 mit axs.flat nummeriert sind; unter jeder Zelle stehen ihre Zeile und Spalte

fig.tight_layout() hält die Titel auseinander. Lies nun: Beide Blütenblatthistogramme sind zweigeteilt. Eine solche Lücke bedeutet oft, dass sich eine Klasse abhebt. Behalte dieses Merkmal also bei.

Aufgabe

Mittel

Betrachte die Gewebedaten als Ganzes. Die Eingabe wählt eine Gruppe aus, mean, error oder worst, und das Startgerüst legt ihre ersten sechs Merkmalsnamen in names ab.

Erstelle ein Raster mit 2 Zeilen und 3 Spalten.
Zeichne in Diagramm i ein Histogramm von Merkmal i mit 20 Klassen und gib ihm den Namen des Merkmals als Titel.
Richte das Layout ordentlich aus und zeige es dann an.

Wie dieses Raster mit sechs Weinmerkmalen:

Sechs kleine Histogramme in 2 Zeilen mit je 3, betitelt mit alcohol, malic_acid, ash, alcalinity_of_ash, magnesium und total_phenols, jeweils mit 20 Balken

Dein Programm gibt nichts aus: Coddy beschreibt jedes Diagramm.

Probier es selbst

import matplotlib.pyplot as plt
from sklearn.datasets import load_breast_cancer

group = input()
cancer = load_breast_cancer(as_frame=True)
df = cancer.frame
# Die ersten sechs Merkmalsnamen der Gruppe: mean, error oder worst
start = {"mean": 0, "error": 10, "worst": 20}[group]
names = cancer.feature_names[start:start + 6]

# Schreibe deinen Code unten