Centrummått

Introduktion till statistik i Python

Maggie Matsui

Content Developer, DataCamp

Sömndata för däggdjur

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

Histogram

Hur länge sover däggdjuren i datamängden typiskt sett?

Vilket är ett typiskt värde?

Var ligger datats centrum?

Medelvärde
Median
Typvärde

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

Centrummått: medelvärde

                  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

Centrummått: median

msleep['sleep_total'].sort_values()

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

10.1

np.median(msleep['sleep_total'])

10.1

Centrummått: typvärde

Det vanligaste värdet

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'

Lägga till ett extremvärde

# Subset msleep to select rows where 'vore' equals '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

Lägga till ett extremvärde

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

mean      16.53
median    18.9
Name: sleep_total, dtype: float64

Lägga till ett extremvärde

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

Lägga till ett extremvärde

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

mean      13.22
median    18.1
Name: sleep_total, dtype: float64

Medelvärde: 16,5 → 13,2

Median: 18,9 → 18,1

Vilket mått ska man använda?

# Import matplotlib.pyplot with alias plt
import matplotlib.pyplot as plt

# Histogram of values
data['values'].hist()

# Show the plot
plt.show()

Histogram över symmetriska data

Skevhet

Vänsterskev

Histogram över data med få värden till vänster och fler värden till höger.

Högerskev

Histogram över data med många värden till vänster och få värden till höger.

Vilket mått ska man använda?

Histogram över data med få värden till vänster och fler värden till höger.

Histogram över data med många värden till vänster och få värden till höger.

Nu kör vi en övning!

Introduktion till statistik i Python