สถิติเชิงพรรณนาในการวิเคราะห์แบบสำรวจ

การวิเคราะห์ข้อมูลแบบสำรวจด้วย Python

EbunOluwa Andrew

Data Scientist

สถิติเชิงพรรณนาในการวิเคราะห์แบบสำรวจคืออะไร?

ค่าพื้นฐานที่ใช้ อธิบาย ข้อมูลแบบสำรวจ
ครอบคลุมการอธิบายตัวแปรเดี่ยวและกลุ่มตัวอย่างที่เกี่ยวข้อง

แว่นขยายและปากกาบนกราฟ

ทำไมต้องใช้สถิติเชิงพรรณนา?

ช่วยสรุปข้อมูลได้อย่างชัดเจน
รูปแบบ
- การนำเสนอแบบตาราง
- การแสดงผลด้วยภาพ
ช่วยระบุค่าผิดปกติ (outlier)

กราฟพร้อมแว่นขยาย

ความถี่และการกระจาย

จัดกลุ่มข้อมูลตามจำนวนครั้งที่เกิดขึ้นในแต่ละกลุ่ม
ใช้กับข้อมูลเชิงคุณภาพและเชิงปริมาณ
นับผลลัพธ์ต่าง ๆ ในชุดข้อมูลแบบสำรวจดิบ
แผนภูมิแท่ง ฮิสโตแกรม แผนภูมิวงกลม กราฟเส้น เป็นต้น

การดูข้อมูลสถิติ กราฟ และแผนภูมิ

การวัดแนวโน้มเข้าสู่ส่วนกลาง: mean, median, mode

ค่าเดียวที่สะท้อนจุดศูนย์กลางของการกระจายข้อมูล
Mean = ค่าเฉลี่ย
Median = ค่ากลางของชุดข้อมูลเรียงจากน้อยไปมาก
Mode = ค่าที่ปรากฏบ่อยที่สุดในชุดข้อมูล

การวัดความแปรปรวน

บอกว่าจุดข้อมูลกระจายห่างจากจุดศูนย์กลางเพียงใด
Range
- ระยะห่างระหว่างค่าสูงสุดและต่ำสุด
Standard deviation
- ความแปรปรวนเฉลี่ย
- บอกระยะห่างระหว่างค่าในชุดข้อมูลกับค่าเฉลี่ย

มุมมองจากด้านบนของฝูงชนที่ก่อรูปกราฟการเติบโตพร้อมเส้นเชื่อมระหว่างกัน

แบบสำรวจ: dietary_habits

dietary_habits.head()

| Age   | Gender | meals_per_day | eat_out_per_wk |
|-------|--------|---------------|----------------|
| 18-24 | Male   |             5 |              4 |
| 18-24 | Male   |             4 |              1 |
| 45-54 | Male   |             3 |              3 |
| 18-24 | Male   |             2 |              1 |
| 18-24 | Female |             3 |              1 |

การแจกแจงความถี่: dietary_habits

dietary_habits.Gender.value_counts().to_frame("Number")

|        | Number |
|--------|--------|
| Male   | 40     |
| Female | 38     |

Index: Gender

การแจกแจงความถี่: dietary_habits

dietary_habits.Gender.value_counts().to_frame("Number").plot(kind='bar')

แผนภูมิแท่งแสดงการแจกแจงความถี่ตามเพศ

การวัดแนวโน้มเข้าสู่ส่วนกลาง: dietary_habits

.mean()
.median()
.mode()

การวัดแนวโน้มเข้าสู่ส่วนกลาง: dietary_habits

.mean()

dietary_habits.mean()

| meals_per_day  | 3.128205 |
| eat_out_per_wk | 1.897436 |
| dtype: float64 |          |

การวัดแนวโน้มเข้าสู่ส่วนกลาง: dietary_habits

.median()

dietary_habits.median()

| meals_per_day  | 3.0 |
| eat_out_per_wk | 1.5 |
| dtype: float64 |     |

การวัดแนวโน้มเข้าสู่ส่วนกลาง: dietary_habits

.mode()

dietary_habits.mode()

| Age   | Gender | meals_per_day | eat_out_per_wk |
|-------|--------|---------------|----------------|
| 18-24 | Male   |             3 |              1 |

การวัดความแปรปรวน: dietary_habits

print(dietary_habits.meals_per_day.max() - dietary_habits.meals_per_day.min())

print(dietary_habits.meals_per_day.std())

0.6518500018473766

มาฝึกกันเถอะ!

การวิเคราะห์ข้อมูลแบบสำรวจด้วย Python