Diagrammes en boîte par groupe

Fait partie de la section Statistiques pour le ML du Journey Machine Learning de Coddy. Leçon 41 sur 64.

Deux groupes diffèrent : est-ce réel, ou est-ce dû au hasard ? Ce chapitre se termine par l’image qui répond à cette question :

Un histogramme de 1000 différences obtenues par hasard grâce au mélange, regroupées autour de 0, avec une ligne rouge représentant la différence réelle, très loin à gauche

Tout commence par un regard. Un atelier de poterie a chronométré ses deux fours. Donnez à ax.boxplot une liste de groupes et leurs noms :

gas = np.array([6.5, 7, 7.5, 8, 7, 6.5, 8.5, 7.5])
electric = np.array([9, 10.5, 11, 9.5, 12, 10, 10.5, 15])
fig, ax = plt.subplots()
ax.boxplot([gas, electric], tick_labels=["Gas", "Electric"])
ax.set_ylabel("Hours")
plt.show()

Deux boîtes à moustaches sur un même axe : Gas est bas, autour d’une médiane de 7.25 heures, et Electric est plus élevé, autour de 10.5 heures, avec un point aberrant à 15. Les boîtes ne se chevauchent pas

Les boîtes ne se chevauchent même pas : le gaz brûle plus vite. Pour un modèle, une caractéristique dont les boîtes se chevauchent à peine aide à distinguer les groupes.

Défi

Moyen

Une station de ski a chronométré 36 descentes sur ses trois remontées mécaniques. lifts.csv contient lift (Red, Green ou Blue) et minutes ; le code de départ charge le fichier et prépare le graphique.

Parcours names et rassemble les durées de chaque remontée dans une liste.
Dessine une boîte par remontée, en la nommant avec tick_labels=.
Affiche le graphique.

Le programme n'affiche rien ; Coddy décrit chaque boîte. Deux autres remontées ressemblent à ceci :

Graphique intitulé Lift Times avec deux boîtes à moustaches nommées Orange et Purple : Orange est basse, autour de 18 minutes, Purple est plus haute, autour de 27.5 minutes, avec un point aberrant à 44

Essayez vous-même

import pandas as pd
import matplotlib.pyplot as plt

lifts = pd.read_csv("lifts.csv")
names = ["Red", "Green", "Blue"]
# Ne modifiez pas les lignes ci-dessous
fig, ax = plt.subplots()
ax.set_title("Lift Times")
ax.set_xlabel("Lift")
ax.set_ylabel("Minutes")

# Écrivez votre code ci-dessous

Testez-vous

Cette leçon comprend un petit quiz. Commencez la leçon pour y répondre et suivre votre progression.

Toutes les leçons de Statistiques pour le ML

2Distributions

Histogrammes de densité Formes des données La courbe normale La règle des 68-95-99,7 Scores z Récapitulatif : autonomie de la batterie

5Valeurs aberrantes

Diagrammes en boîte La règle de l’écart interquartile La règle du score Z Traiter les valeurs aberrantes Récapitulatif : anomalies des capteurs

8Comparer des groupes

Diagrammes en boîte par groupeDifférence entre les moyennes Est-ce dû au hasard ?Valeurs p Le test t Récapitulatif : test A/B

11Explorer un jeu de données

Un premier aperçu Toutes les caractéristiques à la fois Caractéristiques et étiquette Les deux meilleures caractéristiques Récapitulatif : données sur le diabète

Entraînez-vous par vous-même : Compilateur Python en ligne