Forelesning 3: Statistisk analyse#

I denne forelesningen skal vi se på statistisk analyse og hvordan vi kan bruke data til å lage modeller.

  • gjøre statistiske operasjoner på data (pandas og numpy)

  • tolke statistiske størrelser og visualiseringer (som boksplott)

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

Statistiske operasjoner#

konsentrasjoner = [0.1, 0.2, 0.5, 0.5]
print(np.std(konsentrasjoner,ddof = 1))

0.20615528128088303

pandakons = pd.Series(konsentrasjoner)
print(pandakons.std())

0.20615528128088303

df = pd.read_csv("https://www.uio.no/studier/emner/matnat/ifi/IN-KJM1900/h20/datafiler/vin.csv")
df.head()
fixed acidity volatile acidity citric acid residual sugar chlorides free sulfur dioxide total sulfur dioxide density pH sulphates alcohol quality
0 7.4 0.70 0.00 1.9 0.076 11.0 34.0 0.9978 3.51 0.56 9.4 5
1 7.8 0.88 0.00 2.6 0.098 25.0 67.0 0.9968 3.20 0.68 9.8 5
2 7.8 0.76 0.04 2.3 0.092 15.0 54.0 0.9970 3.26 0.65 9.8 5
3 11.2 0.28 0.56 1.9 0.075 17.0 60.0 0.9980 3.16 0.58 9.8 6
4 7.4 0.70 0.00 1.9 0.076 11.0 34.0 0.9978 3.51 0.56 9.4 5 
pH = df["pH"]
snitt = pH.mean()
avvik = pH.std()
print(f"pH i vinene er {snitt:.2f} +- {avvik:.2f}")

pH i vinene er 3.31 +- 0.15

med = pH.median()
med

3.31

Q1, Q2, Q3 = pH.quantile([0.25, 0.5, 0.75])
IQR = Q3 - Q1
print(f"pH i vinene er {Q2:.2f} +- {IQR:.2f}")

pH i vinene er 3.31 +- 0.19

sns.boxplot(data = df, y = "pH")

<Axes: ylabel='pH'>
../../_images/fb7518d0753b49827fda31c4890f3a95ed8044883200e418f2b6d5dbc58efd06.png