ความแปรปรวนและส่วนเบี่ยงเบนมาตรฐาน
ความแปรปรวนและส่วนเบี่ยงเบนมาตรฐานเป็นตัววัดการกระจายของข้อมูลที่ใช้กันแพร่หลายที่สุด และในแบบฝึกหัดนี้จะได้ฝึกคำนวณค่าทั้งสองนี้ การทำความเข้าใจการกระจายของข้อมูลมีความสำคัญมาก เพราะช่วยให้คาดการณ์สิ่งต่าง ๆ ได้แม่นยำขึ้น ตัวอย่างเช่น หากพนักงานขายมียอดขายเฉลี่ย 20 ชิ้นต่อวัน แต่มีส่วนเบี่ยงเบนมาตรฐานถึง 10 ชิ้น ก็อาจมีบางวันที่ขายได้ถึง 40 ชิ้น และบางวันที่ขายได้เพียง 1 หรือ 2 ชิ้นเท่านั้น ข้อมูลลักษณะนี้มีประโยชน์อย่างยิ่ง โดยเฉพาะเมื่อต้องการพยากรณ์ผลลัพธ์
pandas ถูก import เป็น pd, numpy เป็น np และ matplotlib.pyplot เป็น plt และ DataFrame food_consumption พร้อมใช้งานแล้ว
แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร
สถิติเบื้องต้นด้วย Python
คำแนะนำการฝึกหัด
- คำนวณค่าความแปรปรวนและส่วนเบี่ยงเบนมาตรฐานของ
co2_emissionแยกตามfood_categoryด้วยเมธอด.groupby()และ.agg()จากนั้นเปรียบเทียบค่าที่ได้ - สร้างฮิสโตแกรมของ
co2_emissionสำหรับหมวดหมู่beefในfood_categoryและแสดงกราฟ - สร้างฮิสโตแกรมของ
co2_emissionสำหรับหมวดหมู่eggsในfood_categoryและแสดงกราฟ
แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ
ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์
# 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()