Выборка и точечные оценки

Выборка в Python

James Chapman

Curriculum Manager, DataCamp

Оценка численности населения Франции

Карта Франции.

Перепись спрашивает каждое домохозяйство о количестве проживающих.

Во Франции очень много людей

Карта Франции с иконками людей.

Переписи очень дорого обходятся!

Выборка домохозяйств

Карта Франции с иконками людей, часть из которых выделена.

Дешевле опросить небольшое число домохозяйств и с помощью статистики оценить численность населения

Работа с подмножеством всей совокупности называется выборкой

Генеральная совокупность и выборка

Генеральная совокупность — это полный набор данных

Не обязательно означает людей
Как правило, полная совокупность неизвестна

Выборка — это подмножество данных, с которым вы работаете

Набор данных с оценками кофе

total_cup_points	variety	country_of_origin	aroma	flavor	aftertaste	body	balance
90.58	NA	Ethiopia	8.67	8.83	8.67	8.50	8.42
89.92	Other	Ethiopia	8.75	8.67	8.50	8.42	8.42
...	...	...	...	...	...	...	...
73.75	NA	Vietnam	6.75	6.67	6.5	6.92	6.83

Каждая строка — 1 сорт кофе
1338 строк
Используем как генеральную совокупность

Баллы vs. вкус: генеральная совокупность

pts_vs_flavor_pop = coffee_ratings[["total_cup_points", "flavor"]]

      total_cup_points  flavor
0                90.58    8.83
1                89.92    8.67
2                89.75    8.50
3                89.00    8.58
4                88.83    8.50
...                ...     ...
1333             78.75    7.58
1334             78.08    7.67
1335             77.17    7.33
1336             75.08    6.83
1337             73.75    6.67

[1338 rows x 2 columns]

Баллы vs. вкус: выборка из 10 строк

pts_vs_flavor_samp = pts_vs_flavor_pop.sample(n=10)

      total_cup_points  flavor
1088             80.33    7.17
1157             79.67    7.42
1267             76.17    7.33
506              83.00    7.67
659              82.50    7.42
817              81.92    7.50
1050             80.67    7.42
685              82.42    7.50
1027             80.92    7.25
62               85.58    8.17

[10 rows x 2 columns]

Выборка Series в Python

Используйте .sample() для датафреймов и серий pandas

cup_points_samp = coffee_ratings['total_cup_points'].sample(n=10)

1088    80.33
1157    79.67
1267    76.17
...     ... 
685     82.42
1027    80.92
62      85.58
Name: total_cup_points, dtype: float64

Параметры совокупности и точечные оценки

Параметр генеральной совокупности — это вычисление по всему набору данных

import numpy as np
np.mean(pts_vs_flavor_pop['total_cup_points'])

82.15120328849028

Точечная оценка, или выборочная статистика, — это вычисление по выборке

np.mean(cup_points_samp)

81.31800000000001

Точечные оценки с помощью pandas

pts_vs_flavor_pop['flavor'].mean()

7.526046337817639

pts_vs_flavor_samp['flavor'].mean()

7.485000000000001

Давайте потренируемся!

Выборка в Python