Zacznij terazZacznij za darmo

Blokowanie danych eksperymentalnych

Pracujesz z firmą produkcyjną, która chce przeprowadzić eksperymenty dotyczące wydajności pracowników. Ich zbiór danych zawiera tylko 100 wierszy, dlatego ważne jest, aby grupy eksperymentalne były zrównoważone.

To doskonała okazja, by wykorzystać wiedzę o blokowaniu i im pomóc. Firma udostępniła DataFrame productivity_subjects. Podziel ten zbiór danych na dwie równe grupy po 50 wpisów każda.

Biblioteki numpy i pandas zostały zaimportowane odpowiednio jako np i pd.

To ćwiczenie jest częścią kursu

Projektowanie eksperymentów w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

  • Losowo wybierz 50 obserwacji z DataFrame productivity_subjects do nowego DataFrame block_1, bez zwracania.
  • Ustaw nową kolumnę block na wartość 1 dla DataFrame block_1.
  • Przypisz pozostałe obserwacje do DataFrame o nazwie block_2 i ustaw kolumnę block na wartość 2 dla tego DataFrame.
  • Połącz oba bloki w jeden DataFrame, a następnie wyświetl liczbę wystąpień każdej wartości w kolumnie block, aby potwierdzić, że blokowanie zadziałało poprawnie.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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())
Edytuj i uruchom kod