ส่วนเบี่ยงเบนมาตรฐาน
ตอนนี้คุณน่าจะคุ้นเคยกับชุดข้อมูลสภาพแวดล้อมแล้ว อย่างไรก็ตาม ที่ผ่านมาเราใช้ชุดข้อมูลที่ผ่านการทำความสะอาดแล้ว ชุดข้อมูลต้นฉบับมีค่าผิดปกติ (outlier) อยู่หลายจุด ซึ่งอาจส่งผลให้การวิเคราะห์คลาดเคลื่อนได้
คราวนี้จะมาฝึกแสดงภาพค่าผิดปกติเหล่านั้น โดยใช้วิธีที่เพิ่งเรียนไป
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
การวิเคราะห์ข้อมูล IoT ด้วย Python
คำแนะนำการฝึกหัด
- คำนวณค่าเฉลี่ยของคอลัมน์
"temperature"แล้วกำหนดผลลัพธ์เป็นคอลัมน์หนึ่งในdata - คำนวณขีดจำกัดบนและล่าง แล้วกำหนดแต่ละค่าเป็นคอลัมน์แยกกันใน
data - พล็อตกราฟของ
data
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Calculate mean
data["mean"] = ____
# Calculate upper and lower limits
data["upper_limit"] = data[____] + (____ * ____)
data["lower_limit"] = ____
# Plot the DataFrame
____
plt.show()