1/2/23, 13:11 3.1.4.

6 Lab - Descriptive Statistics in Python

Título

Práctica de laboratorio: estadísticas

descriptivas en Python
Objetivos
**Parte 1: Analizar los datos**

**Parte 2: Visualizar los datos**

</p>

Aspectos básicos/situación
En esta práctica de laboratorio, importará un conjunto de datos en un marco de pandas y
generará estadísticas descriptivas de los datos. Formateará cadenas de texto, informará las
estadísticas descriptivas y generará un diagrama de los datos. Por último, experimentará con los
parámetros del gráfico para familiarizarse con la diagramación de datos mediante la biblioteca
'matplotlib.pyplot'.

Recursos necesarios
Raspberry Pi versión 2 o superior
1 computadora con acceso a Internet para la conexión con Raspberry Pi
Bibliotecas de Python: pandas y matplotlib.pyplot
Archivos de datos: rpi_describe.csv

Parte 1: Analizar los datos

El objetivo de la primera parte de esta práctica de laboratorio es utilizar métodos de pandas
para importar un conjunto de datos y generar las estadísticas descriptivas siguientes:

1. tamaño de la muestra
2. media
3. mediana
4. desviación estándar
5. mínimo, máximo y rango de valores

Paso 1: Configurar el entorno e importar los datos.

Primero, importará los módulos y configurará el entorno para mostrar la salida de 'matplotlib'
en la página de la computadora portátil. Usará 'pandas' para importar los datos de un archivo
csv a un marco de datos. Trabajará con un archivo que contiene ejemplos de control de calidad
para cajas de 20 oz de un producto alimenticio. Los datos se utilizan para verificar la precisión
de las máquinas que cargan las cajas.

a) Importe los módulos y configure el entorno.

file:///C:/Users/Lenovo/Downloads/3.1.4.6 Lab - Descriptive Statistics in Python.html 1/8

1/2/23, 13:11 3.1.4.6 Lab - Descriptive Statistics in Python

In [1]:
# Code cell 1
import pandas as pd
import matplotlib.pyplot as plt

# matplotlib.use('qt5agg')

# given
%matplotlib inline
# import matplotlib
# required on some Jupyter Notebook installations

b) Importe los datos del archivo 'rpi_describe.csv' mediante el método de pandas read_csv.
Utilice "data" como nombre del marco de datos.

In [2]:
# Code cell 2
# import the csv into the dataframe
data=pd.read_csv("./Data/rpi_describe.csv")

c) Verifique que el archivo se haya importado correctamente mediante el uso de los métodos de
pandas 'head' y 'tail' para el marco de datos.

In [3]:
# Code cell 3
# view the contents of the first five rows in the dataframe

data.head()

Out[3]: weight

0 20.440

1 20.244

2 20.549

3 20.755

4 20.740

In [4]:
# Code cell 4
# view the contents of the last five rows in the dataframe

data.tail()

Out[4]: weight

9995 20.419

9996 20.554

9997 20.768

9998 20.829

9999 20.667

A partir de la salida del método de cola, observará que hay 10 000 filas de datos en el archivo. Si
bien se trata sólo de una columna, los pandas administran este archivo de manera muy eficaz.

file:///C:/Users/Lenovo/Downloads/3.1.4.6 Lab - Descriptive Statistics in Python.html 2/8

1/2/23, 13:11 3.1.4.6 Lab - Descriptive Statistics in Python

Paso 2: Utilizar pandas para visualizar la tabla de estadísticas descriptivas para

el archivo.
Los pandas incluyen varios métodos eficaces para mostrar las estadísticas básicas en un
conjunto de datos.

a) El método 'dataframe.describe()' muestra estadísticas del marco de datos.

In [6]:
# Code cell 5
# use the describe method of the new dataframe to view the table of statistics
data.describe()

Out[6]: weight

count 10000.000000

mean 20.499212

std 0.199874

min 19.752000

25% 20.365000

50% 20.500000

75% 20.635000

max 21.171000

b) Para trabajar con los valores redondeados de los pesos en el conjunto de datos, puede
agregar una nueva columna a los valores redondeados. En los pandas, se accede a las columnas
por sus encabezados. Para crear una nueva columna, se utiliza el nombre de la nueva columna,
entre comillas, entre corchetes como índice para el marco de datos. El método 'round()' se
utiliza para redondear los valores en la columna peso y completar una nueva columna con los
valores redondeados.

In [7]:
# Code cell 6
# Add a new column to the dataframe and populate it with rounded weights.
data['rounded'] = data.weight.round(2)

# Verify that values were added.

data.head()

Out[7]: weight rounded

0 20.440 20.44

1 20.244 20.24

2 20.549 20.55

3 20.755 20.76

4 20.740 20.74

c) También es posible completar una columna con valores calculados. Por ejemplo,

dataframe['c'] = dataframe['a'] - dataframe['b']

file:///C:/Users/Lenovo/Downloads/3.1.4.6 Lab - Descriptive Statistics in Python.html 3/8

1/2/23, 13:11 3.1.4.6 Lab - Descriptive Statistics in Python

creará la columna c en el marco de datos y la completará con la diferencia entre los valores
numéricos en la columna a y b.

Cree una nueva columna en el marco de datos llamada "diff" y complete esa columna con la
cantidad de peso sobre o debajo del valor objetivo de 20 onzas. Utilice el valor redondeado
para el cálculo.

In [8]:
# Code cell 7
# Create the new column named "diff" and fill it with values.
data['diff'] = data['rounded']-20

# Check the result.

data.head()

Out[8]: weight rounded diff

0 20.440 20.44 0.44

1 20.244 20.24 0.24

2 20.549 20.55 0.55

3 20.755 20.76 0.76

4 20.740 20.74 0.74

Paso 3: Visualizar las estadísticas descriptivas en texto.

En este paso, creará variables para alojar una serie de estadísticas descriptivas y luego
desarrollará cadenas para mostrar los valores. Utilizará lo siguiente:

'count()'
'mean()'
'median()'
'std()'
'min()'
'max()'

a) Utilice los valores en la columna redondeada del marco de datos. Cree una variable para cada
estadística y calcule el rango de valores mediante 'min()' y 'max()' para calcular el rango de
valores.

In [9]:
# Code cell 8
# Create a variables to hold values for the dataset rounded column
count = data['rounded'].count()
mean = data['rounded'].mean()
median = data['rounded'].median()
std = data['rounded'].std()
rng = data['rounded'].max()-data['rounded'].min()

b) Para desarrollar cadenas que utilicen texto y variables para informar sobre las estadísticas del
conjunto de datos, utilice el método de cadena 'format()' para facilitar la inserción de los valores
de las variables en las cadenas. El formateo utiliza marcadores '{}' para indicar dónde deben
insertarse los valores de las variables.

file:///C:/Users/Lenovo/Downloads/3.1.4.6 Lab - Descriptive Statistics in Python.html 4/8

1/2/23, 13:11 3.1.4.6 Lab - Descriptive Statistics in Python

Desarrolle oraciones como “La media de la distribución es…” para cada variable creada. En la
última oración, incluya 'min()', 'max()' y los valores de rango en las mismas oraciones para
practicar el uso de varios marcadores. Puede combinar otras variables en la misma oración,
asimismo.

In [10]:
# Code cell 9
# Create variables to hold your statements.
countstring = "There are {} record in the dataframe".format(count)
meanstring = "The mean is{}".format(mean)
stdstring = "The stabdard deviation is {}".format(std)
rangestring = "The range between the max {} and min{} is {}".format(data['rounded'].

c) Utilice la función 'print' para ver la salida de todas las oraciones.

In [11]:
# Code cell 10
# Print all of your statements
print(countstring)
print(meanstring)
print(stdstring)
print(rangestring)

There are 10000 record in the dataframe

The mean is20.49915999999995
The stabdard deviation is 0.19990740530822973
The range between the max 21.17 and min19.75 is 1.4200000000000017
Observe la salida para la desviación estándar. Puede formatear el número, de modo que sea más
fácil comprender los resultados. Por ejemplo, puede cambiar la salida de la desviación estándar
para mostrar sólo los primeros 2 dígitos después del punto decimal.

Documento de Python para formatear las cadenas:

https://docs.python.org/2/library/string.html

Este enlace proporciona algunos ejemplos de formateo:

https://mkaz.tech/code/python-string-format.html

In [12]:
# Code cell 11

# Format the standard deviation result to 2 decimal points

count = data.rounded.count()
stdstring = 'The standard deviation of the distribution is {:.2f}.'.format(std)
print(stdstring)

The standard deviation of the distribution is 0.20.

Parte 2: Visualizar los datos

En esta parte de la práctica de laboratorio, creará una distribución de frecuencia por cada valor
único en el conjunto de datos.

Paso 1: Crear un marco de datos que contenga los conteos de frecuencia para
el conjunto de datos.

file:///C:/Users/Lenovo/Downloads/3.1.4.6 Lab - Descriptive Statistics in Python.html 5/8

1/2/23, 13:11 3.1.4.6 Lab - Descriptive Statistics in Python

a) Cree un nuevo marco de datos que contenga los conteos de frecuencia mediante el método
'value_counts()'. Este método crea un objeto de serie, no un marco de datos. La columna de
índice de esta serie está dada por los valores únicos de la serie, con el nombre de columna que
se establece automáticamente en 0. Para convertir una serie en un DataFrame, puede utilizar la
función 'to_frame()'. Llamar adicionalmente al método 'reset_index()' en el 'DataFrame'
resultante transformará la columna de índice anterior en una nueva columna de datos, cuyo
nombre se establece automáticamente en 'index'. Cambiaré el nombre de las columnas más
adelante.

</font>Utilizará 'to_frame()' con los métodos 'reset_index()' para crear un marco de datos de
pandas a partir del objeto de serie.

Utilizará la columna redondeada del marco de datos de los datos con el método
'value_counts()'. Por ejemplo:

variable = dataframe['columnName'].value_counts()

In [15]:
# Code cell 12
# Create a variable called 'freq' to hold the weight values and their frequencies
freq = data['rounded'].value_counts()

# Convert the freq object to a data frame. Use to_frame().

freq = freq.to_frame().reset_index()
type(freq)
freq.head()

Out[15]: index rounded

0 20.48 228

1 20.50 226

2 20.43 218

3 20.46 213

4 20.45 210

b) Utilice la función 'type()' con el nombre de la variable como un argumento para verificar que
'freq' no sea un objeto del marco de datos.

In [ ]:
# Code cell 13
# Verify the type of the freq object.

c) Utilice 'head' para ver el nuevo marco de datos. Las columnas del marco de datos no tienen
un nombre claro. Cámbieles el nombre a "value" y "freq" mediante el atributo de las columnas
del marco de datos. Por ejemplo:

dataframe.columns = ['column1','column2']

In [16]:
# Code cell 14
# Rename the columns in the dataframe.
freq.columns=['value','freq']

file:///C:/Users/Lenovo/Downloads/3.1.4.6 Lab - Descriptive Statistics in Python.html 6/8

1/2/23, 13:11 3.1.4.6 Lab - Descriptive Statistics in Python

Out[16]: value freq

0 20.48 228

1 20.50 226

2 20.43 218

3 20.46 213

4 20.45 210

Paso 2: Trazar un gráfico de la distribución de frecuencia.

a) El módulo 'matplotlib.pyplot' se importó como plt anteriormente en la práctica de laboratorio.
Los métodos del módulo se utilizan para formatear y mostrar un diagrama de dispersión de los
datos de frecuencia para un conjunto de datos.

In [17]:
# Code cell 15

# Set a size for the graph

plt.figure(figsize=(20,10))

# Add axis labels

plt.ylabel('Frequency')
plt.xlabel('Weight')

# Plot the graph using a round symbol "o" of size 10

plt.plot(freq.value,freq.freq, "o", markersize = 10, color = 'g')

[<matplotlib.lines.Line2D at 0x1913d5a15e0>]
Out[17]:

El diagrama de la frecuencia de los valores se asemeja al de una distribución gaussiana, centrada

alrededor del valor de 20.5. En el capítulo 4, verá cómo esta forma se debe a un error
sistemático y aleatorio en los sistemas de producción o medición.

b) Experimente lo siguiente: diagrame los datos con dimensiones, marcadores, tamaños de

marcadores y colores diferentes. Use los enlaces a continuación para los valores. También puede
utilizar el ejemplo anterior para intentar diferentes dimensiones de figuras.

file:///C:/Users/Lenovo/Downloads/3.1.4.6 Lab - Descriptive Statistics in Python.html 7/8

1/2/23, 13:11 3.1.4.6 Lab - Descriptive Statistics in Python

marcadores http://matplotlib.org/api/markers_api.html

colores http://matplotlib.org/api/colors_api.html

© 2017 Cisco y/o sus filiales. Todos los derechos reservados. Este documento es información pública de Cisco.

file:///C:/Users/Lenovo/Downloads/3.1.4.6 Lab - Descriptive Statistics in Python.html 8/8