Univariate analyse uitvoeren in python: met voorbeelden

De term univariate analyse verwijst naar de analyse van één variabele. U kunt dit onthouden omdat het voorvoegsel “uni” “één” betekent.

Er zijn drie veelgebruikte manieren om univariate analyses op een variabele uit te voeren:

1. Samenvattende statistieken – Meet het centrum en de verdeling van waarden.

2. Frequentietabel – Beschrijft hoe vaak verschillende waarden verschijnen.

3. Grafieken – Wordt gebruikt om de verdeling van waarden te visualiseren.

Deze zelfstudie biedt een voorbeeld van hoe u univariate analyses uitvoert met de volgende panda’s DataFrame:

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' points ': [1, 1, 2, 3.5, 4, 4, 4, 5, 5, 6.5, 7, 7.4, 8, 13, 14.2],
                   ' assists ': [5, 7, 7, 9, 12, 9, 9, 4, 6, 8, 8, 9, 3, 2, 6],
                   ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12, 6, 6, 7, 8, 7, 9, 15]})

#view first five rows of DataFrame
df. head ()

	points assists rebounds
0 1.0 5 11
1 1.0 7 8
2 2.0 7 10
3 3.5 9 6
4 4.0 12 6

1. Bereken samenvattende statistieken

We kunnen de volgende syntaxis gebruiken om verschillende samenvattende statistieken voor de variabele „punten“ in het DataFrame te berekenen:

 #calculate mean of 'points'
df[' points ']. mean ()

5.706666666666667

#calculate median of 'points' 
df[' points ']. median () 

5.0

#calculate standard deviation of 'points'
df[' points ']. std () 

3.858287308169384

2. Maak een frequentietabel

We kunnen de volgende syntaxis gebruiken om een frequentietabel te maken voor de variabele ‚punten‘:

 #create frequency table for 'points'
df[' points ']. value_counts ()

4.0 3
1.0 2
5.0 2
2.0 1
3.5 1
6.5 1
7.0 1
7.4 1
8.0 1
13.0 1
14.2 1
Name: points, dtype: int64

Dit vertelt ons dat:

• De waarde 4 verschijnt 3 keer
• De waarde 1 verschijnt tweemaal
• De waarde 5 verschijnt tweemaal
• De waarde 2 verschijnt 1 keer

Enzovoort.

Gerelateerd: Frequentietabellen maken in Python

3. Maak grafieken

We kunnen de volgende syntaxis gebruiken om een boxplot te maken voor de variabele ‚points‘:

 import matplotlib. pyplot as plt

df. boxplot (column=[' points '], grid= False , color=' black ')

Gerelateerd: Een boxplot maken vanuit Pandas DataFrame

We kunnen de volgende syntaxis gebruiken om een histogram te maken voor de variabele ‚punten‘:

 import matplotlib. pyplot as plt

df. hist (column=' points ', grid= False , edgecolor=' black ')

Gerelateerd: Een histogram maken van Pandas DataFrame

We kunnen de volgende syntaxis gebruiken om een dichtheidscurve te maken voor de variabele “punten”:

 import seaborn as sns

sns. kdeplot (df[' points '])

Gerelateerd: Hoe u een dichtheidsplot maakt in Matplotlib

Elk van deze grafieken biedt ons een unieke manier om de verdeling van de waarden van de variabele “punten” te visualiseren.