本次选取泰坦尼克号的数据，利用python进行抽样分布描述及实践。
备注：数据集的原始数据是泰坦尼克号的数据，本次截取了其中的一部分数据进行学习。Age:年龄，指登船者的年龄。Fare:价格，指船票价格。Embark:登船的港口。
1、按照港口分类，使用python求出各类港口数据 年龄、车票价格的统计量（均值、方差、标准差、变异系数等）。
import pandas as pd
df = pd.read_excel('/Users/Downloads/data.xlsx',usecols = [1,2,3] )
#拿到港口'Embarked'、年龄'Age'、价格'Fare'的数据
df2 = df.groupby(['Embarked'])
#按照港口'Embarked'分类后，查看 年龄、车票价格的统计量。
# 变异系数 = 标准差/平均值
def cv(data):
return data.std()/data.var()
df2 = df.groupby(['Embarked']).agg(['count','min','max','median','mean','var','std',cv])
df2 = df2.apply(lambda x:round(x,2))
df2_age = df2['Age']
df2_fare = df2['Fare']
分类后 年龄及价格统计量描述数据如下图：
年龄统计量
价格统计量
2、画出价格的分布图像，验证数据服从何种分布（正态？卡方？还是T?）
2.1 画出船票的直方图：
plt.hist(df['Fare'],20,normed=1, alpha=0.75)
plt.title('Fare')
plt.grid(True)
船票价格的直方图及概率分布
2.2 验证是否符合正态分布？
#分别用kstest、shapiro、normaltest来验证分布系数 ks_test = kstest(df['Fare'], 'norm') #KstestResult(statistic=0.99013849978633, pvalue=0.0) shapiro_test = shapiro(df['Fare']) #shapiroResult(0.5256513357162476, 7.001769945799311e-40) normaltest_test = normaltest(df['Fare'],axis=0) #NormaltestResult(statistic=715.0752414548335, pvalue=5.289130045259168e-156)
以上三种检测结果表明 p<5%,因此 船票数据不符合正态分布。
绘制拟合正态分布曲线:
fare = df['Fare']
plt.figure()
fare.plot(kind = 'kde') #原始数据的正态分布
M_S = stats.norm.fit(fare) #正态分布拟合的平均值loc，标准差 scale
normalDistribution = stats.norm(M_S[0], M_S[1]) # 绘制拟合的正态分布图
x = np.linspace(normalDistribution.ppf(0.01), normalDistribution.ppf(0.99), 100)
plt.plot(x, normalDistribution.pdf(x), c='orange')
plt.xlabel('Fare about Titanic')
plt.title('Titanic[Fare] on NormalDistribution', size=20)
plt.legend(['Origin', 'NormDistribution'])
船票拟合正态分布曲线
本文来源gao@daima#com搞(%代@#码@网2
2.3 验证是否符合T分布？
T_S = stats.t.fit(fare) df = T_S[0] loc = T_S[1] scale = T_S[2] x2 = stats.t.rvs(df=df, loc=loc, scale=scale, size=len(fare)) D, p = stats.ks_2samp(fare, x2) # (0.25842696629213485 2.6844476044528504e-21)
p = 2.6844476044528504e-21 ，p < alpha，拒绝原假设，价格数据不符合t分布。
对票价数据进行T分布拟合：
plt.figure()
fare.plot(kind = 'kde')
TDistribution = stats.t(T_S[0], T_S[1],T_S[2]) # 绘制拟合的T分布图
x = np.linspace(TDistribution.ppf(0.01), TDistribution.ppf(0.99), 100)
plt.plot(x, TDistribution.pdf(x), c='orange')
plt.xlabel('Fare about Titanic')
plt.title('Titanic[Fare] on TDistribution', size=20)
plt.legend(['Origin', 'TDistribution'])
搞代码网（gaodaima.com）提供的所有资源部分来自互联网，如果有侵犯您的版权或其他权益，请说明详细缘由并提供版权或权益证明然后发送到邮箱[email protected]，我们会在看到邮件的第一时间内为您处理，或直接联系QQ：872152909。本网站采用BY-NC-SA协议进行授权
转载请注明原文链接：基于python进行抽样分布描述及实践详解
转载请注明原文链接：基于python进行抽样分布描述及实践详解
