Décrire la distribution de vos données avec des quantiles

Importer et gérer des données financières en Python

Stefan Jansen

Instructor

Décrire des distributions de données

  • Premier coup d'œil : tendance centrale et écart type
  • Comment obtenir une vue plus fine de la distribution ?
  • Calculer et tracer des quantiles
Importer et gérer des données financières en Python

Dispersion : les quantiles

  • Quantiles : groupes contenant une part égale des observations
    • Quartiles : 4 groupes, 25 % des données chacun
    • Déciles : 10 groupes, 10 % des données chacun
    • Étendue interquartile : 3e quartile − 1er quartile

quantile.png

Importer et gérer des données financières en Python

Quantiles avec pandas

market_cap = nasdaq['Market Capitalization'].div(10**6) 
median = market_cap.quantile(.5)

median == market_cap.median()

True

quantiles = market_cap.quantile([.25, .75])

0.25     43.375930
0.75    969.905207

quantiles[.75] - quantiles[.25] # Étendue interquartile

926.5292771575
Importer et gérer des données financières en Python

Quantiles avec pandas et numpy

deciles = np.arange(start=.1, stop=.91, step=.1)
deciles

array([ 0.1,  0.2,  0.3,  0.4,  ..., 0.7,  0.8,  0.9])

market_cap.quantile(deciles)

0.1       4.884565
0.2      26.993382
0.3      65.714547
0.4     124.320644
0.5     225.968428
0.6     402.469678
...
Importer et gérer des données financières en Python

Visualiser des quantiles avec un diagramme à barres

title = 'NASDAQ Market Capitalization (million USD)'
market_cap.quantile(deciles).plot(kind='bar', title=title)
plt.tight_layout(); plt.show()

quantile_bar.png

Importer et gérer des données financières en Python

Toutes les statistiques d'un coup

market_cap.describe()

count      3167.000000
mean       3180.712621
std       25471.038707
min           0.000000
25%          43.375930  # 1er quantile
50%         225.968428  # Médiane
75%         969.905207  # 3e quantile
max      740024.467000
Name: Market Capitalization
Importer et gérer des données financières en Python

Toutes les statistiques d'un coup

market_cap.describe(percentiles=np.arange(.1, .91, .1))

count      3167.000000
mean       3180.712621
std       25471.038707
min           0.000000
10%           4.884565
20%          26.993382
30%          65.714547
40%         124.320644
50%         225.968428
60%         402.469678
70%         723.163197
80%        1441.071134
...
Importer et gérer des données financières en Python

Passons à la pratique !

Importer et gérer des données financières en Python

Preparing Video For Download...