Statistiques récapitulatives

Fait partie de la section Données et visualisations du Journey Machine Learning de Coddy. Leçon 11 sur 60.

Deux arrêts de bus, cinq attentes à chacun. La moyenne est de 5 minutes dans les deux cas. À quel arrêt préférerais-tu attendre ?

Cinq temps d’attente à chacun de deux arrêts de bus, représentés par des points. Les temps d’attente à Elm St s’étendent de 2 à 9 minutes, ceux à Oak Ave se regroupent entre 4 et 6, les deux autour d’une moyenne de 5

Une méthode pour chacune des opérations résume un tableau, sans boucle :

elm = np.array([4, 7, 2, 9, 3])
print(elm.sum(), elm.mean(), elm.min(), elm.max())
print(np.round(elm.std(), 2))

Cela affiche :

25 5.0 2 9
2.61

L’écart type, .std(), est la distance typique par rapport à la moyenne. Celui d’Oak Ave est de 0.63 : des bus sur lesquels vous pouvez compter.

np.round(x, 2) conserve 2 décimales, pour un nombre ou un tableau entier. Valeur typique, plage, dispersion : votre premier aperçu de toute caractéristique.

Défi

Facile

Deux bibliothèques, six jours. Le programme lit les nombres de la bibliothèque principale dans books ; ceux de l'agence du village se trouvent dans village. Affichez :

Busier: l'agence (main ou village) dont la moyenne est la plus élevée, ainsi que cette moyenne.
Steadier: l'agence dont l'écart-type est le plus faible, ainsi que cet écart-type.
Best single day: le plus grand nombre des deux.

Arrondissez avec np.round(x, 2). Pour les nombres de l'agence principale 55, 58, 53, 60, 57, 56 :

Busier: main, 56.5 books a day
Steadier: main, std 2.22
Best single day: 60

Essayez vous-même

import numpy as np

# Livres empruntés à la bibliothèque principale pendant six jours
counts = []
for i in range(6):
    counts.append(int(input()))
books = np.array(counts)
# Livres empruntés à l’annexe du village pendant les mêmes six jours
village = np.array([28, 35, 30, 33, 52, 32])

# Écrivez votre code ci-dessous