Distribusi: hist, kde, box
Melihat bentuk satu variabel
Distribusi: hist, kde, box adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 2 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.
Lihat Bentuk Satu Kolom
Sebelum menghitung rata-rata, lihat seluruh sebarannya. Plot distribusi menunjukkan seberapa sering setiap nilai muncul dalam satu kolom.
Histogram
Sebuah histogram memasukkan nilai ke dalam bin dan menggambar batang untuk setiap bin. Batang yang tinggi menandai nilai yang paling sering muncul.
sns.histplot(data=df, x="age")Bin Mengubah Cerita
Terlalu sedikit bin menyembunyikan detail, sedangkan terlalu banyak bin menambahkan derau. Menyesuaikan bin mengatur seberapa kasar atau halus tampilan histogram.
sns.histplot(data=df, x="age", bins=20)Kurva Halus: KDE
Plot KDE menggambar kurva halus, bukan batang, untuk memperkirakan kepadatan nilai. Bentuk keseluruhan data dapat terlihat sekilas.
sns.kdeplot(data=df, x="age")Histogram dan KDE Bersamaan
Ingin menampilkan batang dan garis halus sekaligus? Tambahkan kde=True ke histogram, lalu seaborn akan menumpangkan kurva untuk Anda.
sns.histplot(data=df, x="age", kde=True)Baca Puncaknya
Satu tonjolan berarti ada satu rentang umum, sedangkan dua tonjolan mengisyaratkan adanya dua kelompok. Jumlah puncak sering menandakan subkelompok tersembunyi dalam data Anda.
Diagram Kotak
Sebuah diagram kotak merangkum distribusi menjadi lima angka: median, separuh bagian tengah, dan jangkauan data.
sns.boxplot(data=df, y="income")Baca Kotak dan Kumisnya
Garis di dalamnya adalah median, kotaknya mencakup 50 persen bagian tengah, dan kumisnya memanjang menuju nilai ekstrem yang umum.
Temukan Pencilan Seketika
Titik di luar kumis ditandai sebagai pencilan. Diagram kotak membuat nilai-nilai tidak biasa ini langsung terlihat.
Bandingkan Kelompok Berdampingan
Tambahkan kategori ke x dan diagram kotak akan terbagi berdasarkan kelompok. Kini Anda dapat membandingkan sebaran pendapatan setiap tim sekaligus.
sns.boxplot(data=df, x="team", y="income")Plot yang Mana, Kapan?
Gunakan histogram atau KDE untuk melihat bentuk, dan diagram kotak untuk membandingkan kelompok serta menemukan pencilan dengan cepat.
Pemeriksaan Singkat
Anda ingin membandingkan sebaran antar kategori dan menemukan pencilan.
Rekap: Tiga Tampilan Satu Kolom
Kini Anda dapat membaca sebuah kolom dengan tiga cara: histogram untuk jumlah, KDE untuk bentuk yang halus, dan diagram kotak untuk sebaran serta pencilan. 📈
Belajar Python dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 30
- Pelajaran
- 120
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Distribusi: hist, kde, box” gratis?
Ya — teks lengkap “Distribusi: hist, kde, box” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Distribusi: hist, kde, box”?
Melihat bentuk satu variabel Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Data Science Academy?
Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 2 dari 4.
Berapa lama pelajaran “Distribusi: hist, kde, box” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?
Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Mengapa seaborn Lebih Baik daripada matplotlib Mentah
- Distribusi: hist, kde, box
- Hubungan: scatter dan line
- Facet, Hue, dan Style