Natuurlijk! Hier is een voorbeeld van een Python-script dat een Seaborn-histogram genereert van de leeftijd van klanten uit categorie A en deze opslaat als PNG-bestand: ```python import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # Laad je dataset # Vervang 'jouw_dataset.csv' door de juiste bestandsnaam of datalocatie df = pd.read_csv('jouw_dataset.csv') # Filter de dataset op klanten uit categorie A # Vervang 'categorie' en 'A' door de juiste kolomnaam en waarde filtered_df = df[df['categorie'] == 'A'] # Stel de visualisatie in plt.figure(figsize=(10, 6)) sns.histplot(filtered_df['leeftijd'], kde=False) plt.title('Leeftijd van klanten uit categorie A') plt.xlabel('Leeftijd') plt.ylabel('Aantal klanten') # Sla de visualisatie op als PNG plt.savefig('leeftijd_categorie_A.png') plt.close() ``` **Aanpassingen die je moet maken:** - Vervang `'jouw_dataset.csv'` door de daadwerkelijke bestandsnaam of pad naar je dataset. - Controleer of de kolomnaam `'categorie'` overeenkomt met die in jouw dataset. - Vervang `'A'` indien nodig door de exacte waarde die jouw categorie aangeeft. - Pas de kolomnaam `'leeftijd'` aan indien deze anders heet. Wil je dat ik een uitgebreider script maak dat bijvoorbeeld meerdere visualisaties of filters ondersteunt?

Hier is een Python-script dat een histogram genereert voor de leeftijd van klanten uit categorie A: ```python import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # Laad je dataset (vervang 'jouw_dataset.csv' met je bestandsnaam) df = pd.read_csv('jouw_dataset.csv') # Filter alleen klanten uit categorie A categorie_a_data = df[df['categorie'] == 'A'] # Stel de stijl van Seaborn in sns.set_style("whitegrid") # Maak het histogram plt.figure(figsize=(10, 6)) histogram = sns.histplot(data=categorie_a_data, x='leeftijd', bins=20, kde=True) # Stel titel en labels in plt.title('Leeftijdsverdeling van Klanten in Categorie A', fontsize=16) plt.xlabel('Leeftijd', fontsize=12) plt.ylabel('Aantal Klanten', fontsize=12) # Sla de visualisatie op als PNG plt.savefig('leeftijd_histogram_categorie_a.png', dpi=300, bbox_inches='tight', format='png') # Toon de plot (optioneel) plt.show() print("Histogram succesvol opgeslagen als 'leeftijd_histogram_categorie_a.png'") ``` **Belangrijke aanpassingen die je mogelijk moet maken:** 1. **Bestandsnaam**: Verander `'jouw_dataset.csv'` naar de werkelijke naam van je datasetbestand 2. **Kolomnamen**: Controleer of de kolomnamen `'categorie'` en `'leeftijd'` overeenkomen met je dataset 3. **Categoriewaarde**: Als categorie A anders is genoemd (bijv. 'A', 'Category_A', etc.), pas dit dan aan **Vereiste bibliotheken** (installeer met `pip install` indien nodig): - pandas - seaborn - matplotlib **Extra opties die je kunt aanpassen:** - `bins=20`: aantal intervallen in het histogram - `kde=True`: voegt een kernel density estimate curve toe - `figsize=(10,6)`: grootte van de afbeelding - `dpi=300`: resolutie van de outputafbeelding Het script zal automatisch filteren op categorie A en een professioneel histogram genereren in PNG-formaat.