वर्णनात्मक और अनुमानात्मक सांख्यिकी

Python में सर्वे डेटा का विश्लेषण

EbunOluwa Andrew

Data Scientist

Descriptive statistics

सर्वे डेटा को बताने के बेसिक माप
उदाहरण: mean, median, mode, range, standard deviation आदि
.describe()

लुकास द्वारा फोटो - चार्ट क्लोज़-अप

¹ Photo by Lukas

.describe() फंक्शन

data.describe()

|      | year     | satisfaction_rating
|------|----------|--------------------
| count|       42 |                  42
| mean | 2012.381 |            7192.857
| std  |    4.196 |             945.178
| min  |     2006 |                5500
| 25%  |     2009 |                6325
| 50%  |   2012.5 |                7400
| 75%  |     2016 |                8000
| max  |     2019 |                8600

data.describe(include = np.object)

|        | category    |
|--------|-------------|
| count  | 42          |
| unique | 3           |
| top    | Residential |
| freq   | 14          |

.describe() को समझना

Outlier = max मान > mean और median
Improbable मान = जब मान तार्किक न हों

|       | year     | satisfaction_rating |
|-------|----------|---------------------|
| count |       42 |                  42 |
| mean  | 2012.381 |            7192.857 |
| std   |    4.196 |             945.178 |
| min   |     2006 |                5500 |
| 25%   |     2009 |                6325 |
| 50%   |   2012.5 |                7400 |
| 75%   |     2016 |                8000 |
| max   |     2019 |                8600 |

.describe() को समझना

Top = mode = सबसे अधिक आने वाली श्रेणी
Freq = वह गिनती जब शीर्ष श्रेणी आई

|        | category    |
|--------|-------------|
| count  | 42          |
| unique | 3           |
| top    | Residential |
| freq   | 14          |

electric_satisfaction पर .describe()

import pandas as pd

electric_satisfaction = pd.read_csv("austin-energy-customer-satisfaction.csv")

electric_satisfaction पर .describe()

electric_satisfaction.describe()

|      | year     | satisfaction_rating
|------|----------|--------------------
| count|       42 |                  42
| mean | 2012.381 |            7192.857
| std  |    4.196 |             945.178
| min  |     2006 |                5500
| 25%  |     2009 |                6325
| 50%  |   2012.5 |                7400
| 75%  |     2016 |                8000
| max  |     2019 |                8600

satisfaction_rating में outliers हैं
50th percentile = median

electric_satisfaction पर .describe()

|        | category    |
|--------|-------------|
| count  | 42          |
| unique | 3           |
| top    | Residential |
| freq   | 14          |

Mode = Residential उत्तरदाता

Inferential statistics

जाँचें कि डेटा बड़े population पर लागू हो सकता है या नहीं
Sample size < population size -> sampling error
Population parameters का अनुमान लगाएँ
- Confidence intervals
  - norm.interval() फंक्शन

एंड्रिया पियाचकाडियो द्वारा फोटो - बल्ब पकड़े महिला

¹ Photo by Andrea Piacquadio on Pexels

norm.interval() फंक्शन

बड़े डेटासेट के लिए
मानें कि mean की sampling distribution normal है

import scipy.stats
scipy.stats.norm.interval(alpha, loc, scale)

alpha = confidence level
loc = sample mean
scale= sample std error

electric_satisfaction पर norm.interval() समझना

electric_satisfaction = pd.read_csv(
  "austin-energy-customer-satisfaction.csv")

conf_interval = st.norm.interval(
  alpha = 0.99,
  loc = np.mean(electric_satisfaction.satisfaction),
  scale=st.sem(electric_satisfaction.satisfaction))


print(conf_interval)

(6817.187361704269, 7568.526924010017)

अभ्यास करते हैं!

Python में सर्वे डेटा का विश्लेषण