Măsuri de centru

Introducere în Statistică cu Python

Maggie Matsui

Content Developer, DataCamp

Date despre somnul mamiferelor

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
Introducere în Statistică cu Python

Histograme

msleep_hist.png

Introducere în Statistică cu Python

Cât dorm în mod tipic mamiferele din acest set de date?

Ce valoare este tipică?

Unde se află centrul datelor?

  • Medie
  • Mediană
  • Modă

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

Introducere în Statistică cu Python

Măsuri de centru: 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
..                 ...          ...

$\text{Mean sleep time}=$

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

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

10.43373
Introducere în Statistică cu Python

Măsuri de centru: mediana

msleep['sleep_total'].sort_values()

29     1.9
30     2.7
22     2.9
9      3.0
23     3.1
      ... 
19    18.0
61    18.1
36    19.4
21    19.7
42    19.9

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

10.1

 

np.median(msleep['sleep_total'])

10.1
Introducere în Statistică cu Python

Măsuri de centru: moda

Valoarea cea mai frecventă

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'
Introducere în Statistică cu Python

Adăugarea unui outlier

# Subset msleep pentru rândurile unde 'vore' este '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
Introducere în Statistică cu Python

Adăugarea unui outlier

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

mean      16.53
median    18.9
Name: sleep_total, dtype: float64
Introducere în Statistică cu Python

Adăugarea unui 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
Introducere în Statistică cu Python

Adăugarea unui outlier

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

mean      13.22
median    18.1
Name: sleep_total, dtype: float64

Medie: 16.5 → 13.2

Mediană: 18.9 → 18.1

Introducere în Statistică cu Python

Ce măsură să folosim?

# Importați matplotlib.pyplot cu aliasul plt
import matplotlib.pyplot as plt

# Histogramă a valorilor
data['values'].hist()

# Afișați graficul
plt.show()

Histogramă a datelor simetrice

Introducere în Statistică cu Python

Asimetrie

                                        Asimetrie stângă

Histogramă cu puține valori la stânga și mai multe la dreapta.

                                        Asimetrie dreaptă

Histogramă cu multe valori la stânga și puține la dreapta.

Introducere în Statistică cu Python

Ce măsură să folosim?

Histogramă cu puține valori la stânga și mai multe la dreapta.

Histogramă cu multe valori la stânga și puține la dreapta.

Introducere în Statistică cu Python

Să exersăm!

Introducere în Statistică cu Python

Preparing Video For Download...