จัดการค่าผิดปกติด้วยส่วนเบี่ยงเบนมาตรฐาน
กำหนดให้ basetable มีตัวแปรหนึ่งชื่อ "age" ซึ่งเป็นข้อมูลที่ผู้บริจาคกรอกเองในแบบฟอร์มออนไลน์ จึงอาจเกิดข้อผิดพลาดจากการพิมพ์และมีค่าผิดปกติได้ ให้แทนที่ค่าทั้งหมดที่ต่ำกว่าค่าเฉลี่ยของอายุลบ 3 เท่าของส่วนเบี่ยงเบนมาตรฐานด้วยค่าดังกล่าว และแทนที่ค่าทั้งหมดที่สูงกว่าค่าเฉลี่ยของอายุบวก 3 เท่าของส่วนเบี่ยงเบนมาตรฐานด้วยค่าดังกล่าวเช่นกัน
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
Predictive Analytics ระดับกลางด้วย Python
คำแนะนำการฝึกหัด
- แสดงค่าสูงสุดของ "age"
- คำนวณค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานของ "age"
- คำนวณขอบเขตล่างและขอบเขตบนโดยใช้กฎ 3 ส่วนเบี่ยงเบนมาตรฐาน
- เพิ่มตัวแปร "age_mod" ลงใน basetable โดยแทนที่ค่าผิดปกติแล้ว จากนั้นแสดงค่าสูงสุดใหม่ของ "age_mod"
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# Show the maximum age
print(___["___"].___())
# Calculate mean and standard deviation of age
mean_age = ____["____"].____()
std_age = ____["____"].____()
# Calculate the lower and upper limits
lower_limit = ____ - ____ * ____
upper_limit = ____ + ____ * ____
# Add a variable age_no_outliers to the basetable with outliers replaced
basetable["age_mod"] = (pd.Series([____(____(____, ____), ____)
for a in basetable["age"]]))
print(___["___"].___())