Summary  
This chapter covers how to explore numerical data distributions by creating histograms and overlaying kernel density estimate curves using Seaborn’s `histplot` function in Python.

General domain of usage  
Data science exploratory analysis

Bevor aussagekräftige Schlussfolgerungen aus einem Datensatz gezogen werden können, ist es notwendig, dessen Struktur und zentrale Merkmale zu verstehen. Dieser Prozess wird als **Datenexploration** bezeichnet. Er umfasst das Betrachten der Daten aus verschiedenen Perspektiven, das Zusammenfassen der wichtigsten Eigenschaften sowie das Visualisieren bedeutender Muster. Die Datenexploration unterstützt dabei, Trends, Ausreißer und potenzielle Probleme zu erkennen, bevor eine tiefergehende statistische Analyse erfolgt.

Eines der nützlichsten Werkzeuge zur Untersuchung numerischer Daten ist das **Histogramm**. Ein Histogramm ist eine Art Balkendiagramm, das zeigt, wie häufig verschiedene Wertebereiche im Datensatz vorkommen. Jeder Balken steht für einen Wertebereich ("Bin" genannt), und die Höhe des Balkens gibt an, wie viele Datenpunkte in diesen Bereich fallen. Histogramme ermöglichen einen schnellen Überblick über Verteilung, Zentrum und Streuung der Daten.

In Python lassen sich Histogramme einfach mit der Funktion `histplot` aus der **seaborn**-Bibliothek erstellen. Die Funktion `histplot` nimmt die Daten und stellt deren Verteilung als Histogramm dar. Zusätzlich kann eine **Kernel-Dichteschätzung** (KDE) zum Diagramm hinzugefügt werden, die eine glatte Annäherung an die Verteilung der Daten bietet. Dies erleichtert das Verständnis der zugrunde liegenden Muster in den Daten.

In den folgenden Aufgaben wird die Funktion `histplot` verwendet, um die Verteilung der Körpermassen von Pinguinen zu visualisieren. Dies unterstützt die Erkundung des Datensatzes und die Vorbereitung auf weiterführende statistische Analysen.

import unittest
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

def _dynamic_test(test_case, condition, success_msg, failure_msg):
    if condition:
        test_case._testMethodName = success_msg
        test_case.assertTrue(True, success_msg)
    else:
        test_case._testMethodName = failure_msg
        test_case.fail(failure_msg)


class TestDataReading(unittest.TestCase):
    def test_data_loaded(self):
        import user_code

        expected_data = pd.read_csv(
            'https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/section_1/confidence.csv',
            index_col=0
        )

        condition = (
            isinstance(user_code.data, pd.DataFrame)
            and user_code.data.shape == expected_data.shape
        )

        _dynamic_test(
            self,
            condition,
            "The CSV file is correctly read into the 'data' variable.",
            "The CSV file is not read correctly into the 'data' variable."
        )


class TestPlot(unittest.TestCase):
    def test_histplot(self):
        import user_code

        # ÐÐµÑÐµÐ²ÑÑÑÑÐ¼Ð¾, ÑÐ¸ ÑÑÐ²Ð¾ÑÐµÐ½Ð¾ Ð³ÑÐ°ÑÑÐº Ð· seaborn.histplot
        plot_obj = user_code.plot

        condition = (
            hasattr(plot_obj, "get_xlabel")
            and plot_obj.get_xlabel() == "The Mass"
            and plot_obj.get_ylabel() == "The Quantity"
        )

        _dynamic_test(
            self,
            condition,
            "The histplot is created with correct parameters.",
            "The histplot parameters are incorrect."
        )


if __name__ == "__main__":
    unittest.main()


test_code.py

Erwerb einer soliden Grundlage in Statistik mit Python. Erlernen grundlegender statistischer Konzepte und deren Anwendung mit NumPy und pandas. Von grundlegenden Kennzahlen wie Mittelwert und Varianz bis hin zu Hypothesentests, Konfidenzintervallen und datengestützten Erkenntnissen mit praxisnahen Übungen.

Entdecken Sie grundlegende statistische Prinzipien, einschließlich Datentypen, Maße der zentralen Tendenz und wichtige Unterschiede zwischen Stichproben und Grundgesamtheiten.

Lernen Sie, Mittelwert, Median und Modus mit Python zu berechnen und zu interpretieren. Üben Sie diese Operationen mit pandas, um reale Datensätze zu analysieren.

Verstehen, wie Varianz und Standardabweichung die Streuung von Daten messen. Erlernen der manuellen Berechnung beider Kennzahlen sowie deren Berechnung mit Python-Tools.

Untersuchung, wie Kovarianz und Korrelation Beziehungen zwischen Variablen beschreiben. Anwendung der Berechnung und des Vergleichs beider Kennzahlen in Python.

Sicheres Beherrschen von Konfidenzintervallen zur Schätzung von Populationsparametern. Verwendung von NumPy, pandas und Visualisierungsbibliotheken zur Berechnung und Interpretation von Intervallen mit realen Daten.

Erlernen der Grundlagen der Hypothesentests und des t-Tests. Verständnis für die Planung, Durchführung und Interpretation von Tests mit Python zur Unterstützung datenbasierter Entscheidungen.

Datensatz Erkunden

Lösung