Synteza wniosków ze złożonych eksperymentów

Projektowanie eksperymentów w Pythonie

James Chapman

Curriculum Manager, DataCamp

Dane dotyczące wydajności produkcji

manufacturing_yield

 BatchID  MaterialType  ProductionSpeed  TemperatureSetting  YieldStrength
      39       Polymer           Medium             Optimal          58.83
     195         Metal             High                High          51.29
     462       Polymer             High             Optimal          55.15
     696     Composite           Medium                 Low          50.27
     142     Composite             High                 Low          57.62

Projekt wieloczynnikowy: MaterialType, ProductionSpeed, TemperatureSetting
Zmienna odpowiedzi: YieldStrength

Dane dotyczące jakości produkcji

manufacturing_quality

 BatchID ProductionSpeed  ProductQuality
     149             Low           93.87
     739            High           93.35
     617          Medium           90.45
     131            High           90.26
     684             Low           91.62

Projekt: ProductionSpeed
Zmienna odpowiedzi: ProductQuality

Strategia łączenia danych

merged_manufacturing = pd.merge(manufacturing_yield,
                       manufacturing_quality, 
                       on=['BatchID', 'ProductionSpeed'])
print(merged_manufacturing)

 BatchID  MaterialType  ProductionSpeed  TemperatureSetting  YieldStrength  ProductQuality
       1         Metal              Low                High          57.32           91.19
       5     Composite           Medium             Optimal          51.82           90.20
       7       Polymer              Low                High          56.12           91.66
       8     Composite             High             Optimal          50.91           93.05
      11       Polymer              Low                High          50.13           92.31

Wykres słupkowy obok siebie

import seaborn as sns
sns.catplot(x='MaterialType', y='YieldStrength', hue='ProductionSpeed', kind='bar', 
            data=merged_manufacturing)

Wykres punktowy trzech zmiennych

sns.relplot(x='YieldStrength', y='ProductQuality', hue='ProductionSpeed', 
            kind='scatter', data=merged_manufacturing)
plt.title('Yield Strength vs. Product Quality by Production Speed')

Wytrzymałość na obciążenie a jakość produktu według prędkości produkcji

Komunikowanie danych odbiorcom technicznym

Tworzenie narracji danych
- Wartości p
- Statystyki testowe
- Poziomy istotności
Wizualizacja złożonych danych
- Mapy cieplne
- Wykresy punktowe z wieloma kolorami
- Projekcje

Prezentacja dla odbiorców technicznych

Angażowanie odbiorców nietechnicznych

Upraszczanie wniosków z danych
- Podstawowe wizualizacje: wykresy słupkowe i liniowe
Przygotowywanie prezentacji zorientowanych na odbiorcę
- Dlaczego dane mają znaczenie?
- Powiązanie wniosków z zastosowaniem w praktyce

Narracja danych

Czas na ćwiczenia!

Projektowanie eksperymentów w Pythonie