Кластерна вибірка

Аналіз опитувальних даних у Python

EbunOluwa Andrew

Data Scientist

Що таке кластерна вибірка?

Усю сукупність поділено на кілька підгруп
- Підгрупи мають характеристики, подібні до сукупності
Сукупність -> Кластери
Вибираємо не окремих осіб, а випадково обираємо усю підгрупу

кругова діаграма, складена з людей

Чому кластерна вибірка важлива

Не завжди можна зібрати дані з усієї сукупності
Зменшує похибку через велику чисельність сукупності

перенаселеність

Кроки аналізу кластерної вибірки

Спершу поділіть сукупність на кластери
Далі випадково виберіть ці кластери

кластер людей

Приклад набору даних

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 |
...

Набір даних і графік

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')

стовпчикова діаграма місця проживання фахівців у сфері технологій

¹ _частину даних побудовано через обмеження місця_

Вибір кластерів

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')

Створення кластерної вибірки

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 |

Візуалізація кластерної вибірки

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

кругова діаграма sought_treatment

Візуалізація кластерної вибірки

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

кругова діаграма sought_treatment

Давайте потренуємось!

Аналіз опитувальних даних у Python