Stworzymy wykresy i wizualizacje z matplotlib i seaborn, kt贸re pomog膮 zrozumie膰 dane i przygotowa膰 si臋 do Machine Learning. Poznamy histogramy, scatter ploty i box ploty.
Wizualizacje:
- Histogramy rozk艂ad贸w
- Wykresy punktowe
- Korelacje mi臋dzy zmiennymi
- Przygotowanie do ML
Wizualizacje danych:
Kod Python – Wizualizacja z matplotlib:
import matplotlib.pyplot as plt
import seaborn as sns
# Ustawienie stylu
plt.style.use('seaborn-v0_8')
fig, axes = plt.subplots(2, 2, figsize=(15, 10))
# Histogram wieku
axes[0,0].hist(df['wiek'], bins=10, alpha=0.7, color='skyblue')
axes[0,0].set_title('Rozk艂ad wieku')
axes[0,0].set_xlabel('Wiek')
axes[0,0].set_ylabel('Liczba os贸b')
# Histogram pensji
axes[0,1].hist(df['pensja'], bins=15, alpha=0.7, color='lightgreen')
axes[0,1].set_title('Rozk艂ad pensji')
axes[0,1].set_xlabel('Pensja (PLN)')
axes[0,1].set_ylabel('Liczba os贸b')
# Scatter plot - wiek vs pensja
axes[1,0].scatter(df['wiek'], df['pensja'], alpha=0.6, color='orange')
axes[1,0].set_title('Wiek vs Pensja')
axes[1,0].set_xlabel('Wiek')
axes[1,0].set_ylabel('Pensja (PLN)')
# Box plot
axes[1,1].boxplot([df['pensja']], labels=['Pensja'])
axes[1,1].set_title('Box Plot - Pensja')
axes[1,1].set_ylabel('Pensja (PLN)')
plt.tight_layout()
plt.show()
Brak odpowiedzi