المخططات الصندوقية

جزء من قسم الإحصاء لتعلّم الآلة في رحلة Machine Learning على Coddy. الدرس 24 من 64.

تُخفي كل مجموعة بيانات قيماً غريبة: خطأ مطبعي، أو خللاً، أو يوماً قياسياً. يبحث هذا الفصل عنها ويضبطها، بدءاً بالمخطط الذي يعرضها، وهو مخطط الصندوق:

11 قيمة تمثل أطوال حلقات بودكاست، وبجانبها مخطط الصندوق: صندوق يمتد من Q1، 39، إلى Q3، 47.5، ويقسمه خط الوسيط عند 43، ويمتد الشاربان إلى الأسفل حتى 32 وإلى الأعلى حتى 52، مع نقطة منفردة عند 75 محددة بوصفها قيمة متطرفة

ax.boxplot يرسمه:

episodes = np.array([41, 36, 49, 43, 32, 46, 75, 40, 52, 38, 44])
fig, ax = plt.subplots()
ax.boxplot(episodes)
plt.show()

يحتوي الصندوق على النصف الأوسط من القيم، من Q1 إلى Q3، مقسومًا بالوسيط. تمتد الشوارب إلى آخر القيم التي لا تقع بعيدًا جدًا.

النقاط التي تقع بعيدًا عنها هي قيم شاذة، أي قيم بعيدة عن بقية القيم: وهي القيم التي ينبغي التحقق منها قبل أن يتعلم منها النموذج.

التحدي

متوسط

سجّلت عائلة قراءتها لمدة أسبوعين في reading.csv، بعمود واحد للدقائق لكل شخص. يقرأ البرنامج اسمًا، ويُعِدّ البرنامج التمهيدي المخطط.

ارسم مخططًا صندوقيًا لعمود ذلك الشخص.
اطبع الوسيط وحافتي الصندوق، Q1 وQ3، مع تقريب كلٍّ منهما إلى منزلتين عشريتين، كما في الأسفل.

بالنسبة إلى Sam، وهو قارئ آخر، يطبع البرنامج:

Typical day: 97.5 minutes
Middle half: 90.5 to 108.75 minutes

ويرسم هذا المخطط (ثم يصف Coddy مخططك):

مخطط صندوقي بعنوان Reading: Sam، ومحور Minutes على الجانب: يمتد الصندوق من نحو 90 إلى 109، وخط الوسيط قريب من 98، ويمتد الشاربان من 87 إلى 128، مع نقطتين للقيم المتطرفة عند 61 و205

جرّب بنفسك

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

reading = pd.read_csv("reading.csv")
name = input()
# لا تغيّر الأسطر أدناه
fig, ax = plt.subplots()
ax.set_title(f"Reading: {name}")
ax.set_ylabel("Minutes")

# اكتب الكود الخاص بك أدناه