Revenus mondiaux : dispersion

Un quantile est une mesure de dispersion obtenue en divisant la distribution de fréquence d'un DataFrame en groupes égaux. Vous pouvez retourner les valeurs au quantile q d'un DataFrame df avec la commande df.quantile(q); de même, fournir une liste comme q retournera une valeur pour chaque quantile demandé.

Ici, vous poursuivez votre analyse de la distribution des revenus mondiaux à l'aide de deux mesures de dispersion : l'écart-type, soit la racine carrée de la variance, et l'écart interquartile (IQA).

pandas a été importé sous le nom pd, et le DataFrame income de l'exercice précédent se trouve dans votre espace de travail.

Cette activité fait partie du cours

Importer et gérer des données financières en Python

Voir le cours

Instructions de l’exercice

À l'aide des fonctions appropriées, calculez la moyenne du revenu par habitant comme mean et l'écart-type comme std.
Sans utiliser .quantile(), calculez et affichez les bornes inférieure et supérieure d'un intervalle d'un écart-type autour de la moyenne dans une liste bounds :
- soustrayez std de mean comme premier élément
- ajoutez std à mean comme deuxième élément
En utilisant .quantile() et une liste de deux valeurs décimales appropriées, calculez et affichez le premier et le troisième quartile de 'Income per Capita' comme quantiles. Les valeurs concordent-elles ?
Calculez et affichez l'IQA, iqr, à l'aide de la simple soustraction que vous avez vue dans la vidéo.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# Calculate mean
mean = ____

# Calculate standard deviation
std = income['Income per Capita'].std()

# Calculate and print lower and upper bounds
bounds = [____, ____]
print(bounds)

# Calculate and print first and third quartiles
quantiles = income['Income per Capita'].____([____, ____])
print(quantiles)

# Calculate and print IQR
iqr = ____ - ____
print(iqr)

Modifier et exécuter le code