เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

รายได้ทั่วโลก: การกระจายตัวของข้อมูล

ควอนไทล์ (quantile) คือตัววัดการกระจายตัวที่ได้จากการแบ่งการกระจายความถี่ของ DataFrame ออกเป็นกลุ่มเท่าๆ กัน สามารถดึงค่าที่ควอนไทล์ q ของ DataFrame df ได้ด้วยคำสั่ง df.quantile(q) และหากส่ง list เป็น q จะได้ค่าสำหรับแต่ละควอนไทล์ที่ระบุ

ในแบบฝึกหัดนี้ จะวิเคราะห์การกระจายตัวของรายได้ทั่วโลกต่อเนื่องจากเดิม โดยใช้ตัววัดการกระจาย 2 ตัว ได้แก่ ส่วนเบี่ยงเบนมาตรฐาน (standard deviation) หรือรากที่สองของความแปรปรวน และ พิสัยควอร์ไทล์ (IQR)

pandas ถูก import แล้วในชื่อ pd และ DataFrame income จากแบบฝึกหัดก่อนหน้าอยู่ใน workspace แล้ว

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การนำเข้าและจัดการข้อมูลทางการเงินใน Python

ดูคอร์ส

คำแนะนำการฝึกหัด

  • ใช้ฟังก์ชันที่เหมาะสมเพื่อคำนวณค่าเฉลี่ยของรายได้ต่อหัวในชื่อ mean และส่วนเบี่ยงเบนมาตรฐานในชื่อ std
  • โดยไม่ใช้ .quantile() ให้คำนวณและแสดงขอบบนและขอบล่างของช่วงหนึ่งส่วนเบี่ยงเบนมาตรฐานรอบค่าเฉลี่ยใน list ชื่อ bounds:
    • ลบ std ออกจาก mean เป็น element แรก
    • บวก std เข้ากับ mean เป็น element ที่สอง
  • ใช้ .quantile() และ list ของทศนิยมที่เหมาะสม 2 ค่า เพื่อคำนวณและแสดงควอร์ไทล์ที่ 1 และ 3 ของ 'Income per Capita' ในชื่อ quantiles ค่าที่ได้ตรงกันหรือไม่?
  • คำนวณและแสดงค่า IQR ในชื่อ iqr โดยใช้นิพจน์การลบอย่างง่ายที่เรียนในวิดีโอ

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Calculate mean
mean = ____

# Calculate standard deviation
std = income['Income per Capita'].std()

# Calculate and print lower and upper bounds
bounds = [____, ____]
print(bounds)

# Calculate and print first and third quartiles
quantiles = income['Income per Capita'].____([____, ____])
print(quantiles)

# Calculate and print IQR
iqr = ____ - ____
print(iqr)
แก้ไขและรันโค้ด