Explorateur pingouin
Fait partie de la section Données et visualisations du Journey Machine Learning de Coddy. Leçon 60 sur 60.
Une équipe de terrain en Antarctique a mesuré 100 manchots de trois espèces. penguins.csv contient une ligne par manchot, et quelques cellules sont vides : pandas les lit comme NaN.
Ses colonnes : species, island, bill_length_mm, bill_depth_mm, flipper_length_mm, body_mass_g et sex.
Quelle mesure permet d’identifier une espèce ? L’équipe superpose les distributions des espèces, comme ici pour la longueur du bec :
Les becs des manchots Adélie se distinguent. Votre programme trace ce graphique pour n’importe quelle mesure.
Défi
DifficileLe programme lit le nom d’une colonne.
- Lire
penguins.csv; afficher le nombre de manchots et le nombre de valeurs manquantes dans la colonne. - Supprimer chaque ligne contenant une valeur manquante et afficher le nombre de lignes conservées.
- Sur un même graphique, parcourir les espèces : afficher la moyenne de la colonne pour chacune (1 décimale, avec
round) et tracer son histogramme avecbins=8,alpha=0.5et son nom comme étiquette. - Donner à l’axe des ordonnées l’étiquette
Penguins, utiliser le nom de la colonne comme titre du graphique et ajouter une légende.
Pour bill_length_mm, la sortie complète est :
Penguins: 100
Missing bill_length_mm: 2
Kept after cleaning: 94
Adelie: 38.9
Chinstrap: 50.0
Gentoo: 46.9
Charts drawn: 1
Title: bill_length_mm
Y label: Penguins
Histograms: 3
Histogram Adelie: 8 bars, counts [4, 1, 7, 4, 7, 8, 7, 4]
Histogram Chinstrap: 8 bars, counts [1, 2, 5, 2, 5, 4, 0, 1]
Histogram Gentoo: 8 bars, counts [1, 4, 9, 7, 3, 5, 1, 2]
See-through bars: yes
Legend: Adelie, Chinstrap, GentooEssayez vous-même
import pandas as pd
import matplotlib.pyplot as plt
species = ["Adelie", "Chinstrap", "Gentoo"]
column = input()
# Écrivez votre code ci-dessous
Testez-vousCette leçon comprend un petit quiz. Commencez la leçon pour y répondre et suivre votre progression.
Toutes les leçons de Données et visualisations
1Introduction
Bonjour, Machine LearningQu’est-ce qu’un modèle ?Importer des bibliothèquesVotre premier graphique4Façonner les données
Remodeler les tableauxJoindre des tableauxNombres aléatoiresRécapitulatif : simulation de dés2Tableaux NumPy
Créer des tableauxForme et taillePlages de nombresIndexation et découpageRécapitulatif : grille de températures5Graphiques en courbes et nuages de points
Étiquettes et titresNuages de pointsPlusieurs courbes et légendesCouleurs et marqueursFigures et axesRécapitulatif : pas hebdomadaires3Calculs sur les tableaux
Opérations mathématiques sur des tableaux entiersStatistiques récapitulativesStatistiques par axeDiffusionMasques booléensRécapitulatif : notes d’examen6Graphiques de données
Diagrammes en barresHistogrammesPlusieurs graphiques en unImages sous forme de tableauxRécapitulatif : rapport sur les précipitations9Regrouper et nettoyer
Compter les valeursRegrouper les donnéesPlusieurs résumésValeurs manquantesRécapitulatif : résultats de l’enquête12Défis finaux
Rapport des ventesRelevés des capteursLes chiffres en un coup d’œilExplorateur pingouinEntraînez-vous par vous-même : Compilateur Python en ligne