Mai multe funcții de rezumat

Analiza Exploratorie a Datelor în SQL

Christina Maimone

Data Scientist

Corelație

Diagrame de dispersie cu corelații pozitive și negative

Funcția de corelație

SELECT corr(assets, equity) 
  FROM fortune500;

       corr        
-------------------
 0.637710143588615
(1 row)

Mediană

1 1 4 4 4 5 6 7 13 19 20 20 21 21 22
              ^
            median
        percentila 50

^                                  ^
percentila 0        percentila 100

Funcții de percentilă

SELECT percentile_disc(percentile) WITHIN GROUP (ORDER BY column_name)
  FROM table;

-- percentile between 0 and 1

Returnează o valoare din coloană

SELECT percentile_cont(percentile) WITHIN GROUP (ORDER BY column_name)
  FROM table;

Interpolează între valori

Exemple de percentilă

SELECT val
  FROM nums;

 val 
-----
   1
   3
   4
   5
(4 rows)

SELECT percentile_disc(.5) WITHIN GROUP (ORDER BY val),
       percentile_cont(.5) WITHIN GROUP (ORDER BY val)
  FROM nums;

 percentile_disc | percentile_cont 
-----------------+-----------------
               3 |             3.5

Probleme frecvente

Coduri de eroare
- Exemple: 9, 99, -99
Coduri pentru valori lipsă
- NA, NaN, N/A, #N/A
- 0 = lipsă sau 0?
Valori extreme (outlieri)
- Foarte mari sau mici?
- Valori negative?
Nu este cu adevărat un număr
- Exemple: coduri poștale, categorii de răspuns

Să exersăm!

Analiza Exploratorie a Datelor în SQL