Relations et distributions des facteurs

Analyse de données exploratoires en Python

Izzy Weber

Curriculum Manager, DataCamp

Niveau d'études : partenaire masculin

divorce["education_man"].value_counts()

Professional    1313
Preparatory      501
Secondary        288
Primary          100
None               4
Other              3
Name: education_man, dtype: int64

Exploration des relations catégorielles

sns.histplot(data=divorce, x="marriage_duration", binwidth=1)
plt.show()

Histogramme de la durée du mariage

Exploration des relations catégorielles

sns.histplot(data=divorce, x="marriage_duration", hue="education_man", binwidth=1)
plt.show()

![Histogramme de la durée du mariage codé par couleur selon le niveau d'études_homme] (https://assets.datacamp.com/production/repositories/6180/datasets/dd6d147618cfb92751fc104371eeb91beaf17211/marriage_hisplot_hue_edu.png =46)

Graphiques d'estimation de la densité du noyau (KDE)

sns.kdeplot(data=divorce, x="marriage_duration", hue="education_man")
plt.show()

durée du mariage kde avec teinte définie sur education_man

Graphiques d'estimation de la densité du noyau (KDE)

durée du mariage kde avec la teinte définie sur education_man, zoom sur la durée du mariage égale à zéro

Graphiques d'estimation de la densité du noyau (KDE)

sns.kdeplot(data=divorce, x="marriage_duration", hue="education_man", cut=0)
plt.show()

durée du mariage kde avec teinte définie sur education_man et coupure égale à zéro

Graphiques cumulatifs KDE

sns.kdeplot(data=divorce, x="marriage_duration", hue="education_man", cut=0, cumulative=True)
plt.show()

![Fonction de distribution cumulative de la durée du mariage avec la teinte définie sur education_man et la coupure égale à zéro] (https://assets.datacamp.com/production/repositories/6180/datasets/8aec81e10f9a795d37cc1f0e127a7519e91432be/kde_hue_edu_cumulative.png =49)

Relation entre l'âge au mariage et le niveau d'études

Existe-t-il un lien entre l'âge au moment du mariage et le niveau d'études ?

divorce["man_age_marriage"] = divorce["marriage_year"] - divorce["dob_man"].dt.year
divorce["woman_age_marriage"] = divorce["marriage_year"] - divorce["dob_woman"].dt.year

Graphique en nuage de points avec variables catégorielles

sns.scatterplot(data=divorce, x="woman_age_marriage", y="man_age_marriage")
plt.show()

Diagramme de dispersion de l'âge des femmes au mariage et de l'âge des hommes au mariage

Graphique en nuage de points avec variables catégorielles

sns.scatterplot(data=divorce, 
                x="woman_age_marriage",
                y="man_age_marriage", 
                hue="education_man")
plt.show()

Diagramme de dispersion de woman_age_marriage et man_age_marriage avec la teinte définie sur education_man

Passons à la pratique !

Analyse de données exploratoires en Python