Statistiques descriptives
Leçon 14 sur 19 du cours Analyse de données avec Pandas de Coddy.
Pandas propose plusieurs fonctions qui aident à comprendre et à analyser les données. Voici quelques fonctions couramment utilisées :
<strong>.count()</strong> : retourne le nombre d'observations non nulles :
df['column_name'].count()<strong>.mean()</strong> : retourne la moyenne des observations non nulles :
df['column_name'].mean()<strong>.min()</strong> et <strong>.max()</strong> : retournent les valeurs minimales et maximales des observations non nulles :
df['column_name'].min()
df['column_name'].max()<strong>.median()</strong> : retourne la médiane des observations non nulles :
df['column_name'].median()<strong>.std()</strong> : retourne l'écart-type des observations non nulles :
df['column_name'].std()Voici un exemple d'utilisation de ces méthodes avec ce que nous avons appris :
Compter combien de joueurs sont dans le groupe A :
players_a = df[df["group"] == "A"]
num_players = players_a["id"].count()
mean_score = players_a["score"].mean()
Défi
FacileLe fichier CSV visits.csv contient des informations sur le nombre de visites effectuées à un endroit particulier à un moment donné.
Voici les 5 premières lignes du fichier :
location_id,visits,timestamp
8,1771,27498
9,4187,79919
0,4959,54228
6,7721,41588Créez un dictionnaire avec les clés suivantes : min, max, mean, std et median et fournissez la valeur correspondante des statistiques de la colonne visits pour l'id d'emplacement 5.
Enfin, affichez le dictionnaire.
Une partie du code pour ce défi vous est fournie, complétez ce qui manque.
Essayez vous-même
# pandas as pd est déjà importé
df = pd.read_csv("./visits.csv")
# Écrivez votre code ci-dessous
res = {
"min": locaion_5["visits"].min(),
"max": # remplir
"mean": # remplir
"std": # remplir
"median": # remplir
}
print(res)Toutes les leçons de Analyse de données avec Pandas
1Introduction
Pourquoi utiliser Pandas ?Structures de données dans PandasChargement de données dans un DataFrame4Analyse de données avec Pandas
Statistiques descriptivesGroupement et agrégation de donnéesDifférentes agrégationsFusion et concaténation