סטטיסטיקות מסכמות

חלק מהיחידה נתונים ותרשימים במסלול ה-Machine Learning של Coddy. שיעור 11 מתוך 60.

שתי תחנות אוטובוס, חמש המתנות בכל אחת. הממוצע בשתיהן הוא 5 דקות. באיזו תחנה היית מעדיף לחכות?

חמש המתנות בכל אחת משתי תחנות אוטובוס, המוצגות כנקודות. זמני ההמתנה בתחנת Elm St מתפרסים בין 2 ל-9 דקות, ואילו בתחנת Oak Ave הם מצטופפים בין 4 ל-6 דקות; בשתי התחנות הממוצע הוא כ-5 דקות

כל אחת מהשיטות מסכמת מערך, ללא לולאה:

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

זה מדפיס:

25 5.0 2 9
2.61

סטיית התקן, .std(), היא המרחק האופייני מהממוצע. הערך של Oak Ave הוא 0.63: אוטובוסים שאפשר לסמוך עליהם.

np.round(x, 2) שומרת על 2 ספרות אחרי הנקודה, של מספר אחד או של מערך שלם. ערך טיפוסי, טווח, פיזור: המבט הראשון שלך על כל מאפיין.

אתגר

קל

שתי ספריות, שישה ימים. התוכנית קוראת את ספירות הספרייה הראשית לתוך books; ספירות הסניף בכפר נמצאות ב־village. הדפס:

Busier: הסניף (main או village) עם הממוצע הגבוה יותר, ואת הממוצע הזה.
Steadier: הסניף עם סטיית התקן הנמוכה יותר, ואת סטיית התקן הזו.
Best single day: הספירה הגדולה ביותר מבין השניים.

עגל באמצעות np.round(x, 2). עבור ספירות של 55, 58, 53, 60, 57, 56 בספרייה הראשית:

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

נסו בעצמכם

import numpy as np

# ספרים שהושאלו בספרייה הראשית במשך שישה ימים
counts = []
for i in range(6):
    counts.append(int(input()))
books = np.array(counts)
# ספרים שהושאלו בסניף הכפר באותם שישה ימים
village = np.array([28, 35, 30, 33, 52, 32])

# כתבו את הקוד שלכם למטה