Введение
Добро пожаловать в лабораторию по описательной статистике Pandas. Описательная статистика является основой анализа данных, предоставляя простые сводки о выборке и мерах. С помощью Pandas, мощной библиотеки для манипулирования данными в Python, расчет этих статистик становится простым и эффективным.
В этой лаборатории вы научитесь:
- Рассчитывать среднее (average) значение набора данных.
- Находить медиану (median) (среднее значение).
- Определять минимальное и максимальное значения.
- Генерировать полную сводку статистик одной командой.
- Подсчитывать уникальные значения в категориальной колонке.
Вы выполните эти операции на примере DataFrame, написав и выполнив код Python в WebIDE. Приступим!
Вычисление среднего с помощью метода mean
На этом шаге вы научитесь вычислять среднее (average) значение числовой колонки в Pandas DataFrame. Среднее значение — это сумма значений, деленная на количество значений, и это одна из наиболее распространенных мер центральной тенденции.
Pandas предоставляет метод .mean(), который можно вызвать для Series (колонки DataFrame) для вычисления ее среднего значения.
Сначала откройте файл main.py в файловом проводнике слева от WebIDE. Вы увидите начальный код, который создает наш пример DataFrame.
Добавьте следующий код в конец файла main.py для вычисления среднего значения колонки score и его вывода.
## Calculate the mean of the 'score' column
score_mean = df['score'].mean()
print(f"Mean Score: {score_mean}")
Теперь давайте запустим скрипт. Откройте терминал в WebIDE (Terminal -> New Terminal) и выполните следующую команду:
python3 main.py
Вы должны увидеть исходный DataFrame, разделитель и вычисленное среднее значение оценки.
Original DataFrame:
name age score grade
0 Alice 24 85 B
1 Bob 27 90 A
2 Charlie 22 78 C
3 David 32 95 A
4 Eve 29 88 B
==============================
Mean Score: 87.2
Расчет медианы с помощью метода median
На этом шаге вы вычислите медиану числовой колонки. Медиана — это среднее значение набора данных, отсортированного в порядке возрастания. Часто это лучшая мера центральной тенденции, чем среднее, когда данные содержат выбросы (outliers).
Pandas упрощает это с помощью метода .median().
Продолжите редактирование файла main.py. Добавьте следующие строки в конец скрипта для вычисления и вывода медианы колонки score.
## Calculate the median of the 'score' column
score_median = df['score'].median()
print(f"Median Score: {score_median}")
Сохраните файл и снова запустите скрипт из терминала:
python3 main.py
Вывод теперь будет включать как среднее значение, так и медиану.
Original DataFrame:
name age score grade
0 Alice 24 85 B
1 Bob 27 90 A
2 Charlie 22 78 C
3 David 32 95 A
4 Eve 29 88 B
==============================
Mean Score: 87.2
Median Score: 88.0
Поиск минимального и максимального значений
На этом шаге вы найдете минимальное и максимальное значения в колонке. Эти статистические показатели полезны для понимания диапазона и распределения ваших данных. Pandas предоставляет для этой цели методы .min() и .max().
Найдем наименьшие и наибольшие оценки в нашем наборе данных. Добавьте следующий код в конец вашего скрипта main.py.
## Find the minimum and maximum scores
score_min = df['score'].min()
score_max = df['score'].max()
print(f"Minimum Score: {score_min}")
print(f"Maximum Score: {score_max}")
Сохраните файл и выполните его из терминала:
python3 main.py
Ваш вывод теперь покажет среднее значение, медиану, минимальное и максимальное значения оценок.
Original DataFrame:
name age score grade
0 Alice 24 85 B
1 Bob 27 90 A
2 Charlie 22 78 C
3 David 32 95 A
4 Eve 29 88 B
==============================
Mean Score: 87.2
Median Score: 88.0
Minimum Score: 78
Maximum Score: 95
Генерация сводной статистики с помощью describe
На этом шаге вы используете мощный метод .describe(). Этот единственный метод генерирует исчерпывающую сводку описательных статистик для всех числовых колонок в вашем DataFrame, включая количество (count), среднее (mean), стандартное отклонение (standard deviation), минимум (min), максимум (max) и значения квартилей (quartile values).
Это значительно экономит время при получении быстрого обзора ваших данных. Добавьте следующий код в конец файла main.py.
## Generate a summary of descriptive statistics
summary_stats = df.describe()
print("Descriptive Statistics Summary:")
print(summary_stats)
Сохраните файл и запустите скрипт:
python3 main.py
Вы увидите хорошо отформатированную таблицу, содержащую сводные статистики для колонок age и score.
... (previous output) ...
Descriptive Statistics Summary:
age score
count 5.000000 5.000000
mean 26.800000 87.200000
std 4.024922 6.379655
min 22.000000 78.000000
25% 24.000000 85.000000
50% 27.000000 88.000000
75% 29.000000 90.000000
max 32.000000 95.000000
Подсчет уникальных значений с помощью value_counts
На этом шаге вы узнаете, как подсчитывать количество вхождений уникальных значений в колонке, что особенно полезно для категориальных данных. Метод .value_counts() возвращает Series, содержащий количество уникальных значений.
Подсчитаем, сколько студентов получили каждую оценку. Добавьте следующий код в конец файла main.py.
## Count the occurrences of each grade
grade_counts = df['grade'].value_counts()
print("Grade Counts:")
print(grade_counts)
Сохраните файл и запустите скрипт в последний раз.
python3 main.py
Финальный вывод будет включать количество для каждой уникальной оценки.
... (previous output) ...
Grade Counts:
grade
B 2
A 2
C 1
Name: count, dtype: int64
Это показывает, что оценки 'A' и 'B' встречаются по два раза, а оценка 'C' — один раз.
Резюме
Поздравляем с завершением лабораторной работы! Вы успешно освоили основы описательного статистического анализа с использованием библиотеки Pandas.
В этой лабораторной работе вы практиковались в использовании нескольких ключевых методов Pandas:
.mean()для расчета среднего значения..median()для нахождения центрального значения..min()и.max()для определения диапазона данных..describe()для получения быстрой и всесторонней статистической сводки..value_counts()для подсчета уникальных значений в категориальной колонке.
Эти функции являются незаменимыми инструментами для любого аналитика данных или специалиста по данным и составляют основу разведочного анализа данных (EDA). Продолжайте практиковать эти навыки, чтобы стать более опытным в своем пути анализа данных.
