Agrupación de números en intervalos
Parte de la sección Estadística para ML del Journey de Machine Learning de Coddy. Lección 54 de 64.
Una aerolínea cobra el equipaje según su categoría de peso, no por gramo. La agrupación en intervalos convierte los números en rangos, llamados intervalos, cuando solo importa el rango:
pd.cut toma los valores, los límites y una etiqueta por intervalo:
bags = pd.DataFrame({"kg": [5.5, 23.0, 18.2, 30.5, 7.0, 12.4]})
bags["class"] = pd.cut(bags["kg"], bins=[0, 7, 23, 32],
labels=["cabin", "standard", "heavy"])
print(bags["class"].value_counts().sort_index())Esto imprime:
class
cabin 2
standard 3
heavy 1
Name: count, dtype: int64Cada intervalo incluye su borde derecho, así que 7.0 kg sigue siendo equipaje de cabina, y un valor fuera de los bordes se convierte en NaN.
.sort_index() enumera los intervalos en su propio orden, del más ligero al más pesado.
Desafío
IntermedioUn zoológico agrupa a sus miembros en members.csv por age: child hasta 12, teen de 13 a 17, adult de 18 a 64 y senior de 65 a 100. El programa lee un group.
- Añade el grupo de edad de cada miembro como una columna
group. - Imprime el número de miembros de cada grupo, primero
child. - Imprime la media de
visitsdel grupo leído, con 2 decimales.
Para un zoológico más pequeño y la entrada teen:
group
child 1
teen 2
adult 2
senior 1
Name: count, dtype: int64
Mean visits for teen: 10.5Pruébalo tú mismo
import pandas as pd
members = pd.read_csv("members.csv")
group = input()
# Escribe tu código a continuación
Ponte a pruebaEsta lección incluye un breve cuestionario. Empieza la lección para responderlo y registrar tu progreso.
Todas las lecciones de Estadística para ML
1Centro y dispersión
Media y medianaPercentiles y cuartilesVarianza y desviación estándar¿Muestra o población?El valor más frecuenteRepaso: tiempos de entrega4Muestras y poblaciones
Población y muestraLas medias muestrales varíanLa distribución muestralMuestras más grandes, menos ruidoRepaso: Encuestar a un pueblo7Líneas de tendencia
ResiduosAjuste por mínimos cuadradosTrazar el ajustePredecir con una línea¿Qué tan bueno es el ajuste?Repaso: horas de práctica10Codificación de categorías
Categorías como númerosCodificación one-hotAgrupación de números en intervalosRepaso: anuncios de autos2Distribuciones
Histogramas de densidadFormas de los datosCurva normalRegla del 68-95-99,7Puntuaciones zRepaso: duración de la batería5Valores atípicos
Diagramas de cajaLa regla del RICLa regla del valor ZTratamiento de valores atípicosRepaso: fallos de los sensores3Probabilidad mediante simulación
La probabilidad como frecuenciaLa ley de los grandes númerosSuma de dadosValor esperadoProbabilidad condicionalRepaso: probabilidades del puesto de dados6Relaciones
Lectura de diagramas de dispersiónCorrelaciónMatriz de correlaciónMapas de calor de correlaciónCorrelación no es causalidadRepaso: helado y sol9Escalado de características
Por qué escalar las característicasEscalado mín-máxEstandarizaciónStandardScalerRepaso: compañeros de escaladaPractica por tu cuenta: Compilador de Python online