Conoce a los pingüinos

Parte de la sección Aprendizaje supervisado del Journey de Machine Learning de Coddy. Lección 50 de 58.

En la sección 1 exploraste 100 pingüinos. Esta colonia tiene 300, y ahora construirás el modelo que les pone nombre. El tuyo la llamará:

300 pingüinos representados como puntos, longitud del pico en el eje horizontal y longitud de la aleta en el vertical: Adelie abajo a la izquierda, Chinstrap abajo a la derecha, Gentoo arriba a la derecha y una gran estrella negra entre ellos etiquetada «¿Quién es ella?»

Todo proyecto empieza observando. ¿Cuántos hay de cada especie? Eso establece la puntuación que hay que superar. ¿Dónde están las brechas? ¿Qué distingue a las especies?

Un diagrama de dispersión responde a la última pregunta. La longitud de las aletas y la masa permiten identificar a los pingüinos Gentoo, no a los demás:

Longitud de las aletas frente a la masa corporal de la colonia: los puntos de los Gentoo quedan separados, arriba y a la derecha, mientras que los puntos de los Adelie y los Chinstrap se superponen en una misma nube

Un modelo solo aprende lo que muestran las mediciones, así que necesitará más que estas dos.

Desafío

Intermedio

Tu colonia está en penguins.csv. El programa lee dos columnas de medidas y el código inicial prepara su gráfico.

Imprime la proporción de referencia que hay que superar: la proporción más grande de una especie, con 3 decimales, y esa especie.
Imprime cada columna que tenga valores faltantes y cuántos tiene: la siguiente lección los completará.
Representa las dos columnas en un diagrama de dispersión, con un grupo por especie etiquetado con su nombre. Añade una leyenda y muestra el gráfico.

Para una colonia más pequeña:

Baseline to beat: 0.483 (always Adelie)
Gaps to fill:
  body_mass_g: 1
  sex: 4

Después, Coddy describe tu gráfico. Para body_mass_g y bill_length_mm, se ve así:

Un diagrama de dispersión titulado body_mass_g vs bill_length_mm con una leyenda: puntos de Adelie bajos y claros, Chinstrap altos y claros, Gentoo pesados a la derecha

Pruébalo tú mismo

import pandas as pd
import matplotlib.pyplot as plt

penguins = pd.read_csv("penguins.csv")
x_col = input()
y_col = input()

# No cambies las líneas siguientes
fig, ax = plt.subplots()
ax.set_title(f"{x_col} vs {y_col}")
ax.set_xlabel(x_col)
ax.set_ylabel(y_col)

# Escribe tu código a continuación