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

Før du kan trekke meningsfulle konklusjoner fra et datasett, må du forstå dets struktur og sentrale egenskaper. Denne prosessen kalles **datautforskning**. Den innebærer å undersøke dataene dine fra ulike perspektiver, oppsummere hovedtrekkene og visualisere viktige mønstre. Datautforskning hjelper deg med å oppdage trender, avvik og potensielle problemer før du utfører dypere statistiske analyser.

Et av de mest nyttige verktøyene for å utforske numeriske data er **histogrammet**. Et histogram er en type stolpediagram som viser hvor ofte ulike intervaller av verdier forekommer i datasettet ditt. Hver stolpe representerer et intervall av verdier (kalt en "bin"), og høyden på stolpen viser hvor mange datapunkter som faller innenfor det intervallet. Histogrammer gjør det enkelt å se fordeling, sentrum og spredning av dataene dine ved første øyekast.

I Python kan du raskt lage histogrammer ved å bruke funksjonen `histplot` fra **seaborn**-biblioteket. Funksjonen `histplot` tar dataene dine og viser fordelingen som et histogram. Du kan også legge til en **kernel density estimate** (KDE)-kurve i diagrammet, som gir en jevn tilnærming til dataenes fordeling. Dette hjelper deg å forstå de underliggende mønstrene i dataene bedre.

Du vil bruke funksjonen `histplot` for å visualisere fordelingen av pingvinenes kroppsmasse i de kommende oppgavene. Dette vil hjelpe deg å utforske datasettet og forberede deg på videre statistisk analyse.

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

Bygg et solid grunnlag i statistikk ved hjelp av Python. Lær essensielle statistiske konsepter og anvend dem gjennom NumPy og pandas. Gå fra grunnleggende mål som gjennomsnitt og varians til hypotesetesting, konfidensintervaller og datadrevne innsikter med praktiske øvelser.

Utforsk sentrale statistiske prinsipper, inkludert datatyper, mål på sentraltendens og viktige forskjeller mellom utvalg og populasjoner.

Lær å beregne og tolke gjennomsnitt, median og modus ved bruk av Python. Øv på disse operasjonene med pandas for å analysere ekte datasett.

Forstå hvordan varians og standardavvik måler spredningen i data. Lær å beregne begge deler manuelt og ved hjelp av Python-verktøy.

Utforsk hvordan kovarians og korrelasjon beskriver forholdet mellom variabler. Øv på å beregne og sammenligne begge målene i Python.

Behersk konfidensintervaller for å estimere populasjonsparametere. Bruk NumPy, pandas og visualiseringsbiblioteker for å beregne og tolke intervaller med reelle data.

Lær det grunnleggende om hypotesetesting og t-test. Forstå hvordan du designer, utfører og tolker tester ved bruk av Python for å støtte datadrevne beslutninger.

Utforsk Datasettet

Løsning