Échantillonnage en grappes

Analyser des données de sondage avec Python

EbunOluwa Andrew

Data Scientist

Qu'est-ce que l'échantillonnage en grappes ?

  • Population entière divisée en plusieurs sous-groupes

    • Sous-groupes aux caractéristiques semblables à la population

  • Population -> Grappes

  • On n'échantillonne pas des individus, on sélectionne au hasard le sous-groupe entier

diagramme en secteurs composé de personnes

Analyser des données de sondage avec Python

Pourquoi l'échantillonnage en grappes est important

  • Il est parfois impossible de recueillir des données sur toute la population
  • Réduit l'erreur due à la taille élevée de la population

surpopulation

Analyser des données de sondage avec Python

Étapes de l'analyse par échantillonnage en grappes

  • D'abord, diviser la population en grappes
  • Ensuite, sélectionner au hasard ces grappes

groupe de personnes en grappes

Analyser des données de sondage avec Python

Ensemble de données d'exemple

print(mh_survey)

| gender | sought_treatment | country_work             |
|--------|------------------|--------------------------|
| Male   |                0 | United Kingdom           |
| Male   |                1 | United States of America |
| Male   |                1 | United Kingdom           |
| Male   |                1 | United Kingdom           |
| Female |                1 | United States of America |
| Male   |                1 | United Kingdom           |
| Male   |                0 | United States of America |
...
Analyser des données de sondage avec Python

Ensemble d'exemple et graphique

mh_survey.groupby('country_work')[
  'gender'].count()

groups = mh_survey.groupby(
  'country_work')['gender'].count(
).reset_index()

groups.columns=['country_work','count']

groups.plot.bar(x='country_work',
                y='count')

diagramme à barres des lieux de résidence des travailleurs et travailleuses en techno

1 _données partielles tracées par manque d'espace_
Analyser des données de sondage avec Python

Choisir les grappes

unique_countries = list(set(mh_survey.country_work))

random_clusters = np.random.choice(unique_countries, size = 10, replace = False)

print(random_clusters)

array(['Finland', 'Australia', 'Sweden', 'South Africa', 'Pakistan',
       'France', 'Ecuador', 'United Arab Emirates', 'United Kingdom',
       'Bangladesh'], dtype='<U24')
Analyser des données de sondage avec Python

Créer l'échantillon en grappes

cluster_sample = mh_survey[mh_survey.country_work.isin(random_clusters)]
print(cluster_sample.head())

| gender | sought_treatment | US_state_live        |
|--------|------------------|----------------------|
| Male   |                1 |             Pakistan |
| Male   |                1 |             Pakistan |
| Male   |                1 | United Arab Emirates |
| Male   |                1 |             Pakistan |
| Female |                0 |           Bangladesh |
Analyser des données de sondage avec Python

Tracer l'échantillon en grappes

treatment_pie = cluster_sample.sought_treatment.value_counts(normalize = True)
treatment_pie.plot.pie()

diagramme en secteurs de sought_treatment

Analyser des données de sondage avec Python

Tracer l'échantillon en grappes

array(['Bangladesh', 'South Africa', 'Other', 'Norway', 'Poland',
       'Romania', 'New Zealand', 'France', 'United States of America',
       'Bulgaria'], dtype='<U24')

diagramme en secteurs de sought_treatment

Analyser des données de sondage avec Python

Passons à la pratique !

Analyser des données de sondage avec Python

Preparing Video For Download...