Resuma e compare grupos
Descreva o centro e a dispersão de uma distribuição, e compare grupos com groupby.
- Escolher entre a média e a mediana
- Descrever a dispersão com o desvio-padrão e o IQR
- Resumir grupos com o groupby do pandas
Uma distribuição é o retrato completo dos valores de uma variável. Os resumos a comprimem em poucos números:
- Centro - a média (soma ÷ contagem) usa todos os valores, então um único valor extremo pode puxá-la; a mediana (o valor do meio, com os dados ordenados) quase não se mexe. Para dados assimétricos, como renda, tempo de viagem ou preço de imóveis, informe a mediana.
- Dispersão - o desvio-padrão é, grosso modo, a distância típica até a média; o IQR (Q3 − Q1) é a largura da metade central e, assim como a mediana, resiste a outliers.
Informe sempre a contagem também: uma média de 3 viagens significa muito menos do que uma média de 3.000.
Experimente
Até 15 XPArraste a distribuição
Estes são dez tempos de deslocamento. Clique bem à direita para acrescentar um deslocamento muito longo e veja quais números se movem: a média e o desvio-padrão saltam; a mediana e o IQR quase não mudam. Depois remova pontos clicando neles.
Clique na reta para adicionar um valor; clique em um ponto para removê-lo. Os pontos vermelhos são outliers pela regra de Tukey (mais de 1,5 × IIQ além da caixa).
Média
26,5 min
Mediana
21,5 min
Desvio-padrão
17,9 min
IIQ (Q3 − Q1)
10,5 min
Comparando grupos
A maioria das perguntas compara grupos: membros contra usuários avulsos, este mês contra o anterior. O pandas faz isso com dividir-aplicar-combinar (split-apply-combine):
trips.groupby("mode")["minutes"].agg(["count", "mean", "median"])Uma diferença entre os resumos dos grupos descreve estas observações. Se ela é maior do que o acaso, ou se é causada pelo agrupamento, são outras perguntas, que você vai encontrar mais adiante na trilha.
1import statistics
2values = [4, 7, 8, 30]
3print("mean:", statistics.mean(values))
4print("median:", statistics.median(values))mean: 12.25 median: 7.5
Principais conclusões
Informe centro, dispersão e contagem juntos.
Use a mediana e o IQR para dados assimétricos ou com outliers.
groupby + agg resume todos os grupos de uma vez.
Quiz da aula
6 perguntas · aprovação com 5 acertos · até 50 XP
Ao passar, você conclui a aula e mantém sua sequência. As perguntas erradas voltarão em sessões de revisão.
Pratique: escreva código em Python
Escreva código Python no editor e execute os testes com exemplos. O Python roda localmente no navegador usando WebAssembly.
Calcule uma mediana
Leia um array JSON com um número ímpar de valores numéricos, ordene-o e imprima a mediana.
- Valores fora de ordem
- Valores negativos
O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.
Desvio-padrão à mão
Leia um array JSON de números. Sem o módulo statistics, calcule a média e o desvio-padrão amostral (divida a soma dos desvios ao quadrado por n − 1 e depois tire a raiz quadrada). Imprima mean=M sample sd=S (2 casas decimais) e depois matches statistics.stdev: True se o seu resultado for igual ao de statistics.stdev até 9 casas decimais.
- Oito valores
O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.
Resuma cada grupo
Leia um CSV com mode e minutes. Para cada modal (em ordem alfabética), imprima mode n=N mean=M median=D, com a média e a mediana com 1 casa decimal.
- Três modais
O Python é executado em um ambiente isolado no navegador, com limite de 60 segundos. O runtime é carregado pelo CDN do Pyodide; seu código permanece neste navegador.
Dúvidas sobre esta lição
Travou em algum ponto? Pergunte. Descobriu algo? Compartilhe. Explicar também é uma ótima forma de aprender.
Carregando publicações…