Python NumPy alapok

Source: Dev.to

Bevezetés

A NumPy elengedhetetlen eszköz az adatelemzésben és az AI területén. Számos alapvető statisztikai függvényt tartalmaz, amelyekkel könnyedén számíthatunk különböző mutatókat, például:

• minimum és maximum
• átlag
• módusz
• medián
• kvartilisek
• interkvartilis terjedelem
• szórás
• relatív szórás
• outlierek kiszűrése
• korreláció
• kovariancia

Ha szeretnél többet megtudni a módusz, medián és a korreláció fogalmairól, olvasd el a következő bejegyzéseket:

• Módusz és medián gyakorisági soroknál
• Miért működik a korreláció?

Telepítés

A könyvtárak telepítéséhez nyisd meg a parancssort (Windows) vagy a terminált (Linux) és futtasd a következő parancsokat:

pip install numpy
pip install scipy

Alapvető statisztikai műveletek

import numpy as np
from scipy import stats

# numpy array létrehozása
x = np.array([1, 2, 3, 4, 7, 7, 7, 9, 13, 15])

# minimum és maximum
minimum = np.min(x)
maximum = np.max(x)

# módusz, medián és átlag
mode = stats.mode(x).mode[0]
median = np.median(x)
mean = np.mean(x)

# kvartilisek
q1 = np.percentile(x, 25)   # 25. percentilis
q3 = np.percentile(x, 75)   # 75. percentilis

# interkvartilis terjedelem
iqr = q3 - q1

# populációs szórás
std = np.std(x)

# minta szórás (ddof=1)
std_sample = np.std(x, ddof=1)

# relatív szórás
rstd = std / mean

Outlierek kiszűrése

Az outlierek szűrése egyszerű vektoralapú maszkolással történik.

import numpy as np

x = np.array([1, 60, 65, 70, 75, 80, 85, 400])

q1 = np.percentile(x, 25)
q3 = np.percentile(x, 75)
iqr = q3 - q1

lower = q1 - 1.5 * iqr
upper = q3 + 1.5 * iqr

no_outliers = x[(x > lower) & (x

Megjegyzés: A mátrixok indexelése nullától indul, így a [0, 1] elem a két változó közötti kapcsolatot adja vissza. A saját magukkal vett kovariancia megegyezik a varianciával (szórásnégyzet).