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

Innan du kan dra meningsfulla slutsatser från en datamängd behöver du förstå dess struktur och nyckelkaraktäristika. Denna process kallas **datautforskning**. Det innebär att du granskar din data ur olika perspektiv, sammanfattar dess huvudsakliga egenskaper och visualiserar viktiga mönster. Datautforskning hjälper dig att identifiera trender, avvikare och potentiella problem innan du genomför djupare statistisk analys.

Ett av de mest användbara verktygen för att utforska numerisk data är **histogrammet**. Ett histogram är en typ av stapeldiagram som visar hur ofta olika intervall av värden förekommer i din datamängd. Varje stapel representerar ett intervall av värden (kallat en "bin"), och höjden på stapeln visar hur många datapunkter som faller inom det intervallet. Histogram gör det enkelt att överskådligt se fördelning, centrum och spridning i din data.

I Python kan du snabbt skapa histogram med funktionen `histplot` från biblioteket **seaborn**. Funktionen `histplot` tar din data och visar dess fördelning som ett histogram. Du kan även lägga till en **kärntäthetsuppskattning** (KDE) till diagrammet, vilket ger en jämn approximation av datans fördelning. Detta hjälper dig att bättre förstå de underliggande mönstren i din data.

Du kommer att använda funktionen `histplot` för att visualisera fördelningen av pingviners kroppsmassa i kommande uppgifter. Detta hjälper dig att utforska datamängden och förbereda för vidare statistisk analys.

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 en solid grund i statistik med Python. Lär dig grundläggande statistiska begrepp och tillämpa dem med hjälp av NumPy och pandas. Gå från grundläggande mått som medelvärde och varians till hypotesprövning, konfidensintervall och datadrivna insikter genom praktiska övningar.

Utforska centrala statistiska principer, inklusive datatyper, lägesmått och viktiga skillnader mellan stickprov och populationer.

Lär dig att beräkna och tolka medelvärde, median och typvärde med Python. Öva på dessa operationer med pandas för att analysera verkliga dataset.

Förstå hur varians och standardavvikelse mäter spridningen i data. Lär dig att beräkna båda manuellt och med hjälp av Python-verktyg.

Utforska hur kovarians och korrelation beskriver relationer mellan variabler. Öva på att beräkna och jämföra båda måtten i Python.

Behärska konfidensintervall för att uppskatta populationsparametrar. Använd NumPy, pandas och visualiseringsbibliotek för att beräkna och tolka intervall med verkliga data.

Lär dig grunderna i hypotesprövning och t-test. Förstå hur du utformar, genomför och tolkar tester med Python för att stödja datadrivna beslut.

Utforska Datamängden

Lösning