เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

การค้นหา Outlier ด้วย IQR

Outlier สามารถส่งผลอย่างมากต่อสถิติต่าง ๆ เช่น ค่าเฉลี่ย รวมถึงสถิติที่อาศัยค่าเฉลี่ย อย่างความแปรปรวนและส่วนเบี่ยงเบนมาตรฐาน ช่วงควอร์ไทล์ (Interquartile Range) หรือ IQR เป็นอีกวิธีหนึ่งในการวัดการกระจายตัวของข้อมูลที่ได้รับผลกระทบจาก outlier น้อยกว่า นอกจากนี้ IQR ยังถูกนำมาใช้ค้นหา outlier บ่อยครั้ง หากค่าใดน้อยกว่า \(\text{Q1} - 1.5 \times \text{IQR}\) หรือมากกว่า \(\text{Q3} + 1.5 \times \text{IQR}\) ค่านั้นจะถือว่าเป็น outlier ซึ่งเป็นหลักการเดียวกับที่ matplotlib ใช้คำนวณความยาวของเส้น whisker ในกราฟ box plot

Diagram of a box plot showing median, quartiles, and outliers

ในแบบฝึกหัดนี้ คุณจะได้คำนวณ IQR และนำไปใช้ค้นหา outlier pandas ในชื่อ pd และ numpy ในชื่อ np ถูกโหลดไว้แล้ว พร้อมกับชุดข้อมูล food_consumption

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

สถิติเบื้องต้นด้วย Python

ดูคอร์ส

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Calculate total co2_emission per country: emissions_by_country
emissions_by_country = ____

print(emissions_by_country)
แก้ไขและรันโค้ด