Ik help je graag een Seaborn visualisatie te maken om het effect van je data cleaning te tonen. Hier is een complete oplossing: ```python import seaborn as sns import matplotlib.pyplot as plt import pandas as pd import numpy as np # Stel de stijl in sns.set_style("whitegrid") plt.figure(figsize=(12, 8)) # Voorbeeld data (vervang met je eigen dataset) # Dit is alleen ter illustratie van de visualisatiemethode data_voor_cleaning = pd.DataFrame({ 'aankoopbedrag': [100, 150, np.nan, 200, 200, 300, np.nan, 400], 'leeftijd': [25, 30, 35, np.nan, 30, 45, 50, 55] }) # Data cleaning stappen data_na_cleaning = data_voor_cleaning.copy() data_na_cleaning = data_na_cleaning.dropna() # Verwijder null-waarden data_na_cleaning = data_na_cleaning.drop_duplicates() # Verwijder duplicaten # Maak subplots fig, axes = plt.subplots(2, 2, figsize=(15, 12)) # 1. Aantal waarnemingen voor en na cleaning counts = [len(data_voor_cleaning), len(data_na_cleaning)] sns.barplot(x=['Voor cleaning', 'Na cleaning'], y=counts, palette=['blue', 'orange'], ax=axes[0,0]) axes[0,0].set_title('Aantal waarnemingen voor en na cleaning') axes[0,0].set_ylabel('Aantal rijen') # 2. Verdeling aankoopbedrag sns.histplot(data_voor_cleaning['aankoopbedrag'].dropna(), color='blue', label='Voor cleaning', kde=True, ax=axes[0,1], alpha=0.6) sns.histplot(data_na_cleaning['aankoopbedrag'], color='orange', label='Na cleaning', kde=True, ax=axes[0,1], alpha=0.6) axes[0,1].set_title('Verdeling aankoopbedrag') axes[0,1].legend() # 3. Verdeling leeftijd sns.histplot(data_voor_cleaning['leeftijd'].dropna(), color='blue', label='Voor cleaning', kde=True, ax=axes[1,0], alpha=0.6) sns.histplot(data_na_cleaning['leeftijd'], color='orange', label='Na cleaning', kde=True, ax=axes[1,0], alpha=0.6) axes[1,0].set_title('Verdeling leeftijd') axes[1,0].legend() # 4. Boxplot vergelijking data_voor = data_voor_cleaning.melt(value_vars=['aankoopbedrag', 'leeftijd']) data_voor['status'] = 'Voor cleaning' data_na = data_na_cleaning.melt(value_vars=['aankoopbedrag', 'leeftijd']) data_na['status'] = 'Na cleaning' combined_data = pd.concat([data_voor, data_na]) sns.boxplot(data=combined_data, x='variable', y='value', hue='status', palette=['blue', 'orange'], ax=axes[1,1]) axes[1,1].set_title('Boxplot vergelijking variabelen') axes[1,1].set_xlabel('Variabele') axes[1,1].set_ylabel('Waarde') plt.tight_layout() plt.suptitle('Impact van Data Cleaning: Null-waarden en Duplicaten Verwijderd', fontsize=16, y=1.02) plt.show() # Toon statistieken print("=== STATISTIEKEN ===") print(f"Aantal rijen voor cleaning: {len(data_voor_cleaning)}") print(f"Aantal rijen na cleaning: {len(data_na_cleaning)}") print(f"Null-waarden verwijderd: {len(data_voor_cleaning) - len(data_voor_cleaning.dropna())}") print(f"Duplicaten verwijderd: {len(data_voor_cleaning.dropna()) - len(data_voor_cleaning.dropna().drop_duplicates())}") ``` Deze visualisatie toont: 1. **Balkdiagram**: Totale aantal rijen voor en na cleaning 2. **Histogrammen**: Verdeling van aankoopbedrag en leeftijd (blauw = voor, oranje = na) 3. **Boxplots**: Vergelijking van beide variabelen voor en na cleaning **Belangrijke aanpassingen voor jouw data:** - Vervang de voorbeelddata met je eigen DataFrame - Zorg dat je kolomnamen overeenkomen met je dataset - Pas eventueel de figuurgrootte aan naar wens De blauwe kleur wordt gebruikt voor de "voor cleaning" staat en oranje voor "na cleaning", zoals je voorkeur aangeeft.