Jak przeprowadzić analizę jednowymiarową w pythonie: z przykładami

Termin analiza jednowymiarowa odnosi się do analizy jednej zmiennej. Możesz to zapamiętać, ponieważ przedrostek „uni” oznacza „jeden”.

Istnieją trzy popularne sposoby przeprowadzania analizy jednowymiarowej zmiennej:

1. Statystyka podsumowująca – mierzy środek i rozkład wartości.

2. Tabela częstotliwości – opisuje, jak często pojawiają się różne wartości.

3. Wykresy – służą do wizualizacji rozkładu wartości.

W tym samouczku przedstawiono przykład przeprowadzania analizy jednowymiarowej przy użyciu następującej ramki DataFrame pand:

 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. Oblicz statystyki podsumowujące

Możemy użyć następującej składni do obliczenia różnych statystyk podsumowujących dla zmiennej „punkty” w ramce DataFrame:

 #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. Utwórz tabelę częstości

Możemy użyć następującej składni, aby utworzyć tabelę częstości dla zmiennej „punkty”:

 #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

To mówi nam, że:

• Wartość 4 pojawia się 3 razy
• Wartość 1 pojawia się dwukrotnie
• Wartość 5 pojawia się dwukrotnie
• Wartość 2 pojawia się 1 raz

I tak dalej.

Powiązane: Jak tworzyć tabele częstotliwości w Pythonie

3. Utwórz wykresy

Możemy użyć następującej składni, aby utworzyć wykres pudełkowy dla zmiennej „punkty”:

 import matplotlib. pyplot as plt

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

Powiązane: Jak utworzyć wykres pudełkowy z ramki danych Pandas

Możemy użyć następującej składni, aby utworzyć histogram dla zmiennej „punkty”:

 import matplotlib. pyplot as plt

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

Powiązane: Jak utworzyć histogram z ramki danych Pandas

Możemy użyć następującej składni, aby utworzyć krzywą gęstości dla zmiennej „punkty”:

 import seaborn as sns

sns. kdeplot (df[' points '])

Powiązane: Jak utworzyć wykres gęstości w Matplotlib

Każdy z tych wykresów daje nam unikalny sposób wizualizacji rozkładu wartości zmiennej „punkty”.