Statistische plots in Python
De verscheidenheid aan datavisualisatie-bibliotheken van Python maakt het moeilijk om de beste keuze te maken voor elke use case.
De verscheidenheid aan datavisualisatie-bibliotheken van Python maakt het moeilijk om de beste keuze te maken voor elke use case. Als je echter op zoek bent naar statistische plots die eenvoudig te bouwen en visueel aantrekkelijk zijn, dan is Seaborn de voor de hand liggende keuze. Je begint deze training door Seaborn te gebruiken om eenvoudige univariate histogrammen te construeren en kernel density estimation, of KDE, te gebruiken om de probability distribution van je gegevens te visualiseren. Daarnaast leer je stripplots en zwermplots te gebruiken én te herkenn…
Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.
De verscheidenheid aan datavisualisatie-bibliotheken van Python maakt het moeilijk om de beste keuze te maken voor elke use case.
De verscheidenheid aan datavisualisatie-bibliotheken van Python maakt het moeilijk om de beste keuze te maken voor elke use case. Als je echter op zoek bent naar statistische plots die eenvoudig te bouwen en visueel aantrekkelijk zijn, dan is Seaborn de voor de hand liggende keuze. Je begint deze training door Seaborn te gebruiken om eenvoudige univariate histogrammen te construeren en kernel density estimation, of KDE, te gebruiken om de probability distribution van je gegevens te visualiseren. Daarnaast leer je stripplots en zwermplots te gebruiken én te herkennen hoe ze samenwerken met behulp van low-intensity noise. Ten slotte werk je met time series data via verschillende technieken, zoals resampling van je gegevens op verschillende tijdfrequenties en het plotten met betrouwbaarheidsintervallen en andere soorten error bars.
Er zijn nog geen veelgestelde vragen over dit product. Als je een vraag hebt, neem dan contact op met onze klantenservice.
