Explorando la distribución de datos | conjunto 2

Requisito previo: Exploración de la distribución de datos | Conjunto 1
Términos relacionados con la exploración de la distribución de datos 

-> Boxplot
-> Frequency Table
-> Histogram 
-> Density Plot

Para obtener el enlace al archivo csv utilizado, haga clic aquí .
Cargando bibliotecas 

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

Cargando datos 

data = pd.read_csv("../data/state.csv")
 
# Adding a new column with derived data
data['PopulationInMillions'] = data['Population']/1000000
 
print (data.head(10))

Producción : 

• Histograma: es una forma de visualizar la distribución de datos a través de una tabla de frecuencia con contenedores en el eje x y conteo de datos en el eje y. 
  Código – Histograma

# Histogram Population In Millions
 
fig, ax2 = plt.subplots()
fig.set_size_inches(9,  15)
 
ax2 = sns.distplot(data.PopulationInMillions, kde = False)
ax2.set_ylabel("Frequency", fontsize = 15)
ax2.set_xlabel("Population by State in Millions", fontsize = 15)
ax2.set_title("Population - Histogram", fontsize = 20)

• Producción : 

• Gráfico de densidad: está relacionado con el histograma, ya que muestra los valores de datos que se distribuyen como una línea continua. Es una versión suavizada del histograma. El siguiente resultado es el gráfico de densidad superpuesto al histograma. 
  Código: diagrama de densidad para los datos

# Density Plot - Population
 
fig, ax3 = plt.subplots()
fig.set_size_inches(7,  9)
 
ax3 = sns.distplot(data.Population, kde = True)
ax3.set_ylabel("Density", fontsize = 15)
ax3.set_xlabel("Murder Rate per Million", fontsize = 15)
ax3.set_title("Density Plot - Population", fontsize = 20)

• Producción :