Generowanie hipotez

Eksploracyjna analiza danych w Pythonie

George Boorman

Curriculum Manager, DataCamp

Co już wiemy?

Wykres zliczający liczbę lotów na linię lotniczą w różnych kategoriach cenowych; Jet Airways ma największą liczbę biletów pierwszej klasy

sns.heatmap(planes.corr(numeric_only=True), annot=True)
plt.show()

Mapa ciepła z współczynnikami korelacji Pearsona między zmiennymi w zbiorze planes

sns.scatterplot(data=planes, x="Duration", y="Price", hue="Total_Stops")
plt.show()

Wykres punktowy: cena a czas lotu z uwzględnieniem liczby przystanków

Mapa ciepła z współczynnikami korelacji dla różnych liczb przystanków

Maszyna do pisania z napisem "Fake News"

Czy dane z innego okresu dałyby te same wyniki?
Wykrywanie zależności, różnic i wzorców:
- Stosujemy testowanie hipotez
Testowanie hipotez wymaga, przed zebraniem danych:
- Sformułowania hipotezy lub pytania badawczego
- Wyboru odpowiedniego testu statystycznego

¹ Image credit: https://unsplash.com/@markuswinkler

biuro z widokiem na pas startowy lotniska

Lupa nad wykresem słupkowym

sns.barplot(data=planes, x="Airline", y="Duration")
plt.show()

Wykres słupkowy: czas lotu a linia lotnicza

sns.barplot(data=planes, x="Destination", y="Price")
plt.show()

Wykres słupkowy: średnia cena według miejsca docelowego

Zaprojektowanie eksperymentu
Obejmuje takie kroki jak:
- Wybór próby
- Obliczenie potrzebnej liczby obserwacji
- Wybór testu statystycznego

Eksploracyjna analiza danych w Pythonie