Variance et écart type
La variance et l'écart type comptent parmi les moyens les plus courants de mesurer la dispersion d'une variable, et vous allez vous entraîner à les calculer dans cet exercice. La dispersion est importante car elle aide à fixer des attentes. Par exemple, si un·e commercial·e vend en moyenne 20 produits par jour, mais avec un écart type de 10 produits, il y aura probablement des jours à 40 ventes, mais aussi des jours avec une ou deux seulement. Ce type d'information est essentiel, surtout pour faire des prévisions.
pandas a été importé sous pd, numpy sous np, et matplotlib.pyplot sous plt ; le DataFrame food_consumption est également disponible.
Cet exercice fait partie du cours
<cours>Introduction aux statistiques en Python</cours>Instructions de l’exercice
- Calculez la variance et l'écart type de
co2_emissionpour chaquefood_categoryavec les méthodes.groupby()et.agg(); comparez les valeurs de variance et d'écart type. - Créez un histogramme de
co2_emissionpourbeefdansfood_categoryet affichez le graphique. - Créez un histogramme de
co2_emissionpoureggsdansfood_categoryet affichez le graphique.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Print variance and sd of co2_emission for each food_category
print(food_consumption.____('____')['____'].agg([____]))
# Create histogram of co2_emission for food_category 'beef'
food_consumption[____]['____'].____()
plt.show()
# Create histogram of co2_emission for food_category 'eggs'
plt.figure()
food_consumption[____]['____'].____()
plt.show()