Raggruppamento dei numeri in intervalli
Fa parte della sezione Statistica per il machine learning del percorso Machine Learning di Coddy. Lezione 54 di 64.
Una compagnia aerea applica una tariffa per il bagaglio in base alla sua classe di peso, non al grammo. Il raggruppamento in intervalli trasforma i numeri in intervalli, chiamati bin, quando conta solo l'intervallo:
pd.cut prende i valori, i bordi e un'etichetta per ogni intervallo:
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())Questo stampa:
class
cabin 2
standard 3
heavy 1
Name: count, dtype: int64Ogni intervallo include il suo limite destro, quindi 7.0 kg rientra ancora nella categoria del bagaglio a mano, mentre un valore al di fuori dei limiti diventa NaN.
.sort_index() elenca i contenitori nel loro ordine, dal più leggero al più pesante.
Sfida
MedioUno zoo raggruppa i membri di members.csv in base a age: child fino a 12, teen da 13 a 17, adult da 18 a 64, senior da 65 a 100. Il programma legge un group.
- Aggiungi il gruppo di età di ciascun membro come colonna
group. - Stampa il numero di membri di ogni gruppo, con
childper primo. - Stampa la media di
visitsdel gruppo letto, con 2 decimali.
Per uno zoo più piccolo e l’input teen:
group
child 1
teen 2
adult 2
senior 1
Name: count, dtype: int64
Mean visits for teen: 10.5Provalo tu
import pandas as pd
members = pd.read_csv("members.csv")
group = input()
# Scrivi il tuo codice qui sotto
Mettiti alla provaQuesta lezione include un breve quiz. Inizia la lezione per rispondere e tenere traccia dei tuoi progressi.
Tutte le lezioni di Statistica per il machine learning
1Centro e dispersione
Media e medianaPercentili e quartiliVarianza e deviazione standardCampione o popolazione?Il valore più frequenteRiepilogo: tempi di consegna4Campioni e popolazioni
Popolazione e campioneLe medie campionarie varianoDistribuzione campionariaCampioni più grandi, meno rumoreRiepilogo: sondare una città7Linee di tendenza
ResiduiAdattamento dei minimi quadratiTracciare la retta di adattamentoFare previsioni con una rettaQuanto è buono l’adattamento?Riepilogo: ore di pratica10Codifica delle categorie
Categorie come numeriCodifica one-hotRaggruppamento dei numeri in intervalliRiepilogo: annunci di auto2Distribuzioni
Istogrammi di densitàForme dei datiCurva normaleRegola 68-95-99,7Punteggi ZRiepilogo: durata della batteria5Valori anomali
Diagrammi a scatolaLa regola dell'IQRLa regola dello z-scoreGestire i valori anomaliRiepilogo: anomalie dei sensori3Probabilità tramite simulazione
La probabilità come frequenzaLa legge dei grandi numeriSomme dei dadiValore attesoProbabilità condizionataRiepilogo: probabilità al banco dei dadi6Relazioni
Leggere i grafici a dispersioneCorrelazioneMatrice di correlazioneMappe di calore della correlazioneCorrelazione non significa causalitàRiepilogo: gelato e soleEsercitati da solo: Compilatore Python online