Misure di centro

Introduzione alla statistica in Python

Maggie Matsui

Content Developer, DataCamp

Dati sul sonno dei mammiferi

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

Istogrammi

Quanto dormono in media i mammiferi di questo dataset?

Valore tipico?

Dov'è il centro dei dati?

Media
Mediana
Moda

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

Misure di centro: media

                  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
..                 ...          ...

$\text{Tempo medio di sonno}=$

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

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

10.43373

Misure di centro: mediana

msleep['sleep_total'].sort_values()

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

10.1

np.median(msleep['sleep_total'])

10.1

Misure di centro: moda

Valore più frequente

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'

Aggiunta di un outlier

# Seleziona le righe di msleep dove 'vore' è '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

Aggiunta di un outlier

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

mean      16.53
median    18.9
Name: sleep_total, dtype: float64

Aggiunta di un outlier

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

Aggiunta di un outlier

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

mean      13.22
median    18.1
Name: sleep_total, dtype: float64

Media: 16.5 → 13.2

Mediana: 18.9 → 18.1

Quale misura usare?

# Importa matplotlib.pyplot come plt
import matplotlib.pyplot as plt

# Istogramma dei valori
data['values'].hist()

# Mostra il grafico
plt.show()

istogramma di dati simmetrici

Asimmetria

Asimmetria a sinistra

Istogramma con pochi valori a sinistra, che aumentano verso destra.

Asimmetria a destra

Istogramma con molti valori a sinistra, che diminuiscono verso destra.

Quale misura usare?

Istogramma con pochi valori a sinistra, che aumentano verso destra.

Istogramma con molti valori a sinistra, che diminuiscono verso destra.

Passons à la pratique !

Introduzione alla statistica in Python