Kom igångKom igång gratis

Varians och standardavvikelse

Varians och standardavvikelse är två av de vanligaste måtten på hur spridd en variabel är, och i den här övningen får du träna på att beräkna dem. Spridning är viktig eftersom den ger en uppfattning om vad man kan förvänta sig. Om en säljare till exempel säljer i genomsnitt 20 produkter per dag men har en standardavvikelse på 10 produkter, kommer det troligen att finnas dagar då de säljer 40 produkter – men också dagar då de bara säljer en eller två. Den typen av information är värdefull, särskilt när man gör prognoser.

pandas har importerats som pd, numpy som np och matplotlib.pyplot som plt; DataFramen food_consumption är också tillgänglig.

Den här övningen är en del av kursen

Introduktion till statistik i Python

Visa kurs

Övningsinstruktioner

  • Beräkna varians och standardavvikelse för co2_emission per food_category med metoderna .groupby() och .agg(); jämför de resulterande värdena.
  • Skapa ett histogram över co2_emission för beef i food_category och visa diagrammet.
  • Skapa ett histogram över co2_emission för eggs i food_category och visa diagrammet.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()
Redigera och kör kod