Conheça os Pinguins

Parte da seção Aprendizado supervisionado do Journey de Machine Learning da Coddy. Lição 50 de 58.

Na seção 1, você explorou 100 pinguins. Esta colônia tem 300, e agora você cria o modelo que dá nome a eles. O seu vai dar nome a ela:

300 pinguins como pontos, comprimento do bico na horizontal e comprimento da nadadeira para cima: Adelie embaixo à esquerda, Chinstrap embaixo à direita, Gentoo em cima à direita, e uma grande estrela preta entre eles com o rótulo Quem é ela?

Todo projeto começa observando. Quantos indivíduos de cada espécie? Isso define a pontuação a superar. Onde estão as lacunas? O que diferencia as espécies?

Um gráfico de dispersão responde à última pergunta. O comprimento das nadadeiras e a massa identificam os Gentoo, não os outros:

Comprimento das nadadeiras em relação à massa corporal da colônia: os pontos dos Gentoo ficam separados, mais acima e à direita, enquanto os pontos dos Adelie e Chinstrap se sobrepõem em uma única nuvem

Um modelo aprende apenas o que as medições mostram, então precisará de mais do que essas duas.

Desafio

Médio

Sua colônia está em penguins.csv. O programa lê duas colunas de medidas, e o código inicial configura o gráfico delas.

Imprima a referência a superar: a maior proporção de uma espécie, com 3 casas decimais, e essa espécie.
Imprima cada coluna com lacunas e a quantidade delas: a próxima lição vai preenchê-las.
Crie um gráfico de dispersão com as duas colunas, um grupo por espécie, identificado pelo nome. Adicione uma legenda e mostre o gráfico.

Para uma colônia menor:

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

Em seguida, Coddy descreve seu gráfico. Para body_mass_g e bill_length_mm, ele fica assim:

Um gráfico de dispersão intitulado body_mass_g vs bill_length_mm com uma legenda: pontos de Adelie baixos e claros, de Chinstrap altos e claros, de Gentoo pesados à direita

Experimente você mesmo

import pandas as pd
import matplotlib.pyplot as plt

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

# Não altere as linhas abaixo
fig, ax = plt.subplots()
ax.set_title(f"{x_col} vs {y_col}")
ax.set_xlabel(x_col)
ax.set_ylabel(y_col)

# Escreva seu código abaixo