Maße der zentralen Tendenz

Einführung in die Statistik in Python

Maggie Matsui

Content Developer, DataCamp

Daten zum Schlaf von Säugetieren

print(msleep)

                 name       genus   vore         order  ... sleep_cycle  awake  brainwt   bodywt
1             Cheetah    Acinonyx  carni     Carnivora  ...         NaN   11.9      NaN   50.000
2          Owl monkey       Aotus   omni      Primates  ...         NaN    7.0  0.01550    0.480
3     Mountain beaver  Aplodontia  herbi      Rodentia  ...         NaN    9.6      NaN    1.350
4 Greater short-ta...     Blarina   omni  Soricomorpha  ...    0.133333    9.1  0.00029    0.019
5                 Cow         Bos  herbi  Artiodactyla  ...    0.666667   20.0  0.42300  600.000
..                ...         ...    ...           ...  ...         ...    ...      ...      ...
79         Tree shrew      Tupaia   omni    Scandentia  ...    0.233333   15.1  0.00250    0.104
80 Bottle-nosed do...    Tursiops  carni       Cetacea  ...         NaN   18.8      NaN  173.330
81              Genet     Genetta  carni     Carnivora  ...         NaN   17.7  0.01750    2.000
82         Arctic fox      Vulpes  carni     Carnivora  ...         NaN   11.5  0.04450    3.380
83            Red fox      Vulpes  carni     Carnivora  ...    0.350000   14.2  0.05040    4.230

Histogramme

Wie lange schlafen die Säugetiere in diesem Datensatz normalerweise?

Was ist ein typischer Wert?

Wo liegt der Mittelpunkt der Daten?

Mittelwert
Median
Modus

Screen Shot 2020-07-02 at 11.01.16 AM.png

Maße der zentralen Tendenz: Mittelwert

                  name  sleep_total
1              Cheetah         12.1
2           Owl monkey         17.0
3      Mountain beaver         14.4
4   Greater short-t...         14.9
5                  Cow          4.0
..                 ...          ...

$\text{Mean sleep time}=$

$$\frac{12.1 + 17.0 + 14.4 + 14.9 + ...}{83} = 10.43$$

import numpy as np
np.mean(msleep['sleep_total'])

10.43373

Maße der zentralen Tendenz: Median

msleep['sleep_total'].sort_values()

msleep['sleep_total'].sort_values().iloc[41]

10.1

np.median(msleep['sleep_total'])

10.1

Maße der zentralen Tendenz: Modus

Häufigster Wert

msleep['sleep_total'].value_counts()

12.5    4
10.1    3
14.9    2
11.0    2
8.4     2
...
14.3    1
17.0    1
Name: sleep_total, Length: 65, dtype: int64

msleep['vore'].value_counts()

herbi      32
omni       20
carni      19
insecti     5
Name: vore, dtype: int64

import statistics
statistics.mode(msleep['vore'])

'herbi'

Einen Ausreißer hinzufügen

# Subset msleep to select rows where 'vore' equals 'insecti'
msleep[msleep['vore'] == 'insecti']

                     name         genus     vore         order  sleep_total
22          Big brown bat     Eptesicus  insecti    Chiroptera         19.7
43       Little brown bat        Myotis  insecti    Chiroptera         19.9
62        Giant armadillo    Priodontes  insecti     Cingulata         18.1
67  Eastern american mole      Scalopus  insecti  Soricomorpha          8.4

Einen Ausreißer hinzufügen

msleep[msleep['vore'] == "insecti"]['sleep_total'].agg([np.mean, np.median])

mean      16.53
median    18.9
Name: sleep_total, dtype: float64

Einen Ausreißer hinzufügen

msleep[msleep['vore'] == 'insecti']

                     name         genus     vore         order  sleep_total
22          Big brown bat     Eptesicus  insecti    Chiroptera         19.7
43       Little brown bat        Myotis  insecti    Chiroptera         19.9
62        Giant armadillo    Priodontes  insecti     Cingulata         18.1
67  Eastern american mole      Scalopus  insecti  Soricomorpha          8.4

84    Mystery insectivore            ... insecti           ...          0.0

Einen Ausreißer hinzufügen

msleep[msleep['vore'] == "insecti"]['sleep_total'].agg([np.mean, np.median])

mean      13.22
median    18.1
Name: sleep_total, dtype: float64

Mittelwert: 16,5 → 13,2

Median: 18,9 → 18,1

Welches Maß sollten wir verwenden

# Import matplotlib.pyplot with alias plt
import matplotlib.pyplot as plt

# Histogram of values
data['values'].hist()

# Show the plot
plt.show()

symmetrisches Datenhistogramm

Schieflage

Linksschief

Histogramm mit Daten mit wenigen Werten auf der linken Seite, die zu mehr Werten auf der rechten Seite ansteigen

Rechtsschief

Histogramm mit Daten mit vielen Werten auf der linken Seite, die zu wenigen Werten auf der rechten Seite abnehmen

Welches Maß sollten wir verwenden

Histogramm mit Daten mit wenigen Werten auf der linken Seite, die zu mehr Werten auf der rechten Seite ansteigen

Histogramm mit Daten mit vielen Werten auf der linken Seite, die zu wenigen Werten auf der rechten Seite abnehmen.

Lass uns üben!

Einführung in die Statistik in Python