Próbkowanie klastrowe

Analiza danych ankietowych w Pythonie

EbunOluwa Andrew

Data Scientist

Czym jest próbkowanie klastrowe?

Populacja podzielona na podgrupy
- Podgrupy mają cechy podobne do populacji
Populacja -> Klastry
Nie losuje jednostek, lecz losowo wybiera całe podgrupy

wykres kołowy złożony z osób

Dlaczego próbkowanie klastrowe jest ważne

Nie zawsze można zebrać dane od całej populacji
Minimalizuje błąd wynikający z dużej liczebności populacji

przeludnienie

Kroki w próbkowaniu klastrowym

Najpierw podziel populację na klastry
Następnie losowo wybierz klastry

grupa osób

Zbiór danych

print(mh_survey)

| gender | sought_treatment | country_work             |
|--------|------------------|--------------------------|
| Male   |                0 | United Kingdom           |
| Male   |                1 | United States of America |
| Male   |                1 | United Kingdom           |
| Male   |                1 | United Kingdom           |
| Female |                1 | United States of America |
| Male   |                1 | United Kingdom           |
| Male   |                0 | United States of America |
...

Zbiór danych i wykres

mh_survey.groupby('country_work')[
  'gender'].count()

groups = mh_survey.groupby(
  'country_work')['gender'].count(
).reset_index()

groups.columns=['country_work','count']

groups.plot.bar(x='country_work',
                y='count')

wykres słupkowy lokalizacji pracowników tech

¹ _dane częściowe ze względu na ograniczone miejsce_

Wybór klastrów

unique_countries = list(set(mh_survey.country_work))

random_clusters = np.random.choice(unique_countries, size = 10, replace = False)

print(random_clusters)

array(['Finland', 'Australia', 'Sweden', 'South Africa', 'Pakistan',
       'France', 'Ecuador', 'United Arab Emirates', 'United Kingdom',
       'Bangladesh'], dtype='<U24')

Tworzenie próby klastrowej

cluster_sample = mh_survey[mh_survey.country_work.isin(random_clusters)]
print(cluster_sample.head())

| gender | sought_treatment | US_state_live        |
|--------|------------------|----------------------|
| Male   |                1 |             Pakistan |
| Male   |                1 |             Pakistan |
| Male   |                1 | United Arab Emirates |
| Male   |                1 |             Pakistan |
| Female |                0 |           Bangladesh |

Wykres próby klastrowej

treatment_pie = cluster_sample.sought_treatment.value_counts(normalize = True)
treatment_pie.plot.pie()

wykres kołowy sought_treatment

Wykres próby klastrowej

array(['Bangladesh', 'South Africa', 'Other', 'Norway', 'Poland',
       'Romania', 'New Zealand', 'France', 'United States of America',
       'Bulgaria'], dtype='<U24')

wykres kołowy sought_treatment

Czas na ćwiczenia!

Analiza danych ankietowych w Pythonie