Maten voor het centrum

Introductie tot statistiek in Python

Maggie Matsui

Content Developer, DataCamp

Slaappatroon van zoogdieren

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

Histogrammen

Hoe lang slapen zoogdieren in deze gegevensset meestal?

Wat is een typische waarde?

Waar ligt het centrum van de data?

Gemiddelde
Mediaan
Modus

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

Maten voor het centrum: gemiddelde

                  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
..                 ...          ...

$\text{Gemiddelde slaaptijd}=$

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

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

10.43373

Maten voor het centrum: mediaan

msleep['sleep_total'].sort_values()

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

10.1

np.median(msleep['sleep_total'])

10.1

Maten voor het centrum: modus

Meest voorkomende waarde

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'

Een uitschieter toevoegen

# 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

Een uitschieter toevoegen

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

mean      16.53
median    18.9
Name: sleep_total, dtype: float64

Een uitschieter toevoegen

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

Een uitschieter toevoegen

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

mean      13.22
median    18.1
Name: sleep_total, dtype: float64

Gemiddelde: 16.5 → 13.2

Mediaan: 18.9 → 18.1

Welke maat gebruik je?

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

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

# Show the plot
plt.show()

histogram van symmetrische data

Scheefheid

Links-scheef

Histogram van data met weinig waarden links, oplopend naar meer waarden rechts.

Rechts-scheef

Histogram van data met veel waarden links, aflopend naar weinig waarden rechts.

Welke maat gebruik je?

Histogram van data met weinig waarden links, oplopend naar meer waarden rechts.

Histogram van data met veel waarden links, aflopend naar weinig waarden rechts.

Laten we oefenen!

Introductie tot statistiek in Python