ПочатиПочніть безкоштовно

Дисперсія та стандартне відхилення

Дисперсія та стандартне відхилення — два з найуживаніших способів виміряти розкид змінної, і в цій вправі ви попрактикуєтеся їх обчислювати. Розкид важливий, адже він допомагає коректно формувати очікування. Наприклад, якщо продавець у середньому продає 20 товарів на день, але стандартне відхилення становить 10 товарів, то, ймовірно, будуть дні, коли він продасть 40 товарів, а також дні, коли лише один або два. Така інформація особливо корисна під час створення прогнозів.

pandas імпортовано як pd, numpy як np, а matplotlib.pyplot як plt; датафрейм food_consumption також доступний.

Ця вправа є частиною курсу

Вступ до Statistics у Python

Переглянути курс

Інструкції до вправи

  • Обчисліть дисперсію та стандартне відхилення co2_emission для кожної food_category за допомогою методів .groupby() і .agg(); порівняйте значення дисперсії та стандартного відхилення.
  • Створіть гістограму co2_emission для beef у food_category і відобразьте графік.
  • Створіть гістограму co2_emission для eggs у food_category і відобразьте графік.

Інтерактивна практична вправа

Спробуйте виконати цю вправу, доповнивши цей зразок коду.

# 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()
Редагувати та запускати код