CommencerCommencez gratuitement

À la régulière

Vous souhaitez organiser une compétition sportive pour de jeunes adultes. Toutefois, vous voulez vous assurer que les participant·e·s ont des capacités similaires, afin que les vainqueurs gagnent à la régulière. Vous menez une enquête auprès de jeunes adultes, appelée young_people, et vous demandez aux répondant·e·s leur Gender, Age, Height et Weight.

Dans cet exercice, vous allez repérer les valeurs aberrantes dans la colonne de l’âge.

pandas et scipy.stats ont été importés pour vous sous les alias pd et stats, respectivement.

Cet exercice fait partie du cours

<cours>Analyser des données d’enquête en Python</cours>
Voir le cours

Instructions de l’exercice

  • Calculez le z-score de la colonne Age.
  • À l’aide de Age_zscore, identifiez les valeurs aberrantes dans l’enquête.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# z-score of `Age` column
young_people['Age_zscore'] = ____.____(young_people.____)

# Outliers in `Age_zscore`
age_outliers = young_people[
  (young_people.____ >= ____)
  |(young_people.____ <= ____)
]
print(age_outliers)
Modifier et exécuter le code