Aan de slagBegin gratis

Blokkeren van experimentele data

Je werkt met een productiebedrijf dat experimenten wil uitvoeren naar arbeidproductiviteit. Hun gegevensset bevat maar 100 rijen, dus het is belangrijk dat de experimentele groepen in balans zijn.

Dit is een mooie kans om je kennis van blokkeren toe te passen. Ze hebben een DataFrame productivity_subjects aangeleverd. Splits de gegevensset in twee gelijke groepen van elk 50 regels.

De libraries numpy en pandas zijn geïmporteerd als respectievelijk np en pd.

Deze oefening maakt deel uit van de cursus

Experimenteel ontwerpen in Python

Bekijk cursus

Oefeninstructies

  • Selecteer willekeurig 50 personen uit het DataFrame productivity_subjects in een nieuw DataFrame block_1 zonder teruglegging.
  • Zet een nieuwe kolom block op 1 voor het DataFrame block_1.
  • Wijs de overgebleven personen toe aan een DataFrame block_2 en zet de kolom block voor dit DataFrame op 2.
  • Concateneer de blokken tot één DataFrame en print de telling van elke waarde in de kolom block om te controleren of het blokkeren gelukt is.

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Randomly assign half
block_1 = productivity_subjects.____(____, random_state=42, ____)

# Set the block column
block_1['block'] = ____

# Create second assignment and label
block_2 = ____
block_2['block'] = ____

# Concatenate and print
productivity_combined = pd.____([block_1, block_2], axis=0)
print(productivity_combined['block'].value_counts())
Code bewerken en uitvoeren