Data Science do zero: Primeiras regras com o Python
Descrevendo um Conjunto Único de Dados
Baixar 5.26 Mb. Pdf preview
|
| Descrevendo um Conjunto Único de Dados
Por meio de uma combinação de discurso oral e sorte, a DataSciencester ampliou para dúzias de membros e o vice-presidente da Captação de Recursos solicita um relatório de quantos amigos seus membros possuem a fim de incluí- los em seus discursos no elevador. Ao usar as técnicas do Capítulo 1, você é plenamente capaz de produzir dados. Mas, agora, você está diante do problema de como descrevê-los. Uma descrição evidente de qualquer dado é simplesmente o dado em si: num_friends = [100, 49, 41, 40, 25, # … e muitos mais ] Para um conjunto pequeno de dados, essa pode até ser a melhor representação. Mas, para um conjunto maior, ela é complicada e confusa. (Imagine olhar para uma lista de um milhão de números.) Por essa razão, usamos a estatística para destilar e comunicar os aspectos relevantes dos nossos dados. Na primeira abordagem, colocamos a contagem de amigos em um histograma usando Counter e plt.bar() (Figura 5-1): friend_counts = Counter(num_friends) xs = range(101) # o valor maior é 100 ys = [friend_counts[x] for x in xs] # a altura é somente # de amigos plt.bar(xs, ys) plt.axis([0, 101, 0, 25]) plt.title("Histograma da Contagem de Amigos") plt.xlabel("# de amigos") plt.ylabel("# de pessoas") plt.show() Figura 5-1. Um histograma da contagem de amigos Infelizmente, esse gráfico ainda é muito difícil para inserir em discussões. Portanto, é melhor começar a gerar algumas estatísticas. Provavelmente, a estatística mais simples é o número de pontos nos dados: num_points = len(num_friends) # 204 Possivelmente, você também está interessado nos maiores e menores valores: largest_value = max(num_friends) # 100 smallest_value = min(num_friends) # 1 que são apenas casos especiais de querer saber os valores em posições específicas: sorted_values = sorted(num_friends) smallest_value = sorted_values[0] # 1 second_smallest_value = sorted_values[1] # 1 second_largest_value = sorted_values[-2] # 49 |