Rozdělení podle kategorií se seaborn

Importing and Managing Financial Data in Python

Stefan Jansen

Instructor

Rozdělení podle kategorií

Předchozí část: Souhrnné statistiky
Počet pozorování, průměr podle kategorie
Nyní: Vizualizace rozdělení proměnné podle úrovní kategoriální proměnné
Příklad: Rozdělení tržní kapitalizace podle sektoru nebo roku IPO
Více detailů než souhrnné statistiky

Čištění dat: odstranění odlehlých hodnot

nasdaq = pd.read_excel('listings.xlsx', sheet_name='nasdaq', 
                        na_values='n/a')
nasdaq['market_cap_m'] = nasdaq['Market Capitalization'].div(1e6)

nasdaq = nasdaq[nasdaq.market_cap_m > 0] # Active companies only

outliers = nasdaq.market_cap_m.quantile(.9) # Outlier threshold

nasdaq = nasdaq[nasdaq.market_cap_m < outliers] # Remove outliers

Krabicový graf: kvartily a odlehlé hodnoty

import seaborn as sns
sns.boxplot(x='Sector', y='market_cap_m', data=nasdaq)
plt.xticks(rotation=75);

Varianta: SwarmPlot

sns.swarmplot(x='Sector', y='market_cap_m', data=nasdaq)
plt.xticks(rotation=75)
plt.show()

Rojový graf.png

Pojďme si procvičit!

Importing and Managing Financial Data in Python