āĻāĻāĻāĻŋ āĻ¨āĻ¤ā§āĻ¨ āĻĄā§āĻāĻž āĻ¸ā§āĻ āĻ¨āĻŋāĻ¯āĻŧā§ āĻāĻžāĻ āĻļā§āĻ°ā§ āĻāĻ°āĻžāĻ° āĻĒā§āĻ°āĻĨāĻŽ āĻ§āĻžāĻĒ āĻšāĻ˛ āĻāĻāĻŋ āĻŦā§āĻāĻžāĨ¤ āĻāĻāĻŋ āĻāĻ°āĻžāĻ° āĻāĻ¨ā§āĻ¯, āĻāĻĒāĻ¨āĻžāĻā§, āĻāĻĻāĻžāĻšāĻ°āĻŖāĻ¸ā§āĻŦāĻ°ā§āĻĒ, āĻā§āĻ°āĻŋāĻ¯āĻŧā§āĻŦāĻ˛ āĻĻā§āĻŦāĻžāĻ°āĻž āĻā§āĻšā§āĻ¤ āĻŽāĻžāĻ¨āĻā§āĻ˛āĻŋāĻ° āĻĒāĻ°āĻŋāĻ¸āĻ°, āĻ¤āĻžāĻĻā§āĻ° āĻĒā§āĻ°āĻāĻžāĻ°āĻā§āĻ˛āĻŋ āĻā§āĻāĻā§ āĻŦā§āĻ° āĻāĻ°āĻ¤ā§ āĻšāĻŦā§ āĻāĻŦāĻ āĻ āĻ¨ā§āĻĒāĻ¸ā§āĻĨāĻŋāĻ¤ āĻŽāĻžāĻ¨āĻā§āĻ˛āĻŋāĻ° āĻ¸āĻāĻā§āĻ¯āĻž āĻ¸āĻŽā§āĻĒāĻ°ā§āĻā§āĻ āĻā§āĻāĻā§ āĻŦā§āĻ° āĻāĻ°āĻ¤ā§ āĻšāĻŦā§āĨ¤
āĻĒāĻžāĻ¨ā§āĻĄāĻžāĻ¸ āĻ˛āĻžāĻāĻŦā§āĻ°ā§āĻ°āĻŋ āĻāĻŽāĻžāĻĻā§āĻ° āĻ āĻ¨ā§āĻ¸āĻ¨ā§āĻ§āĻžāĻ¨āĻŽā§āĻ˛āĻ āĻĄā§āĻāĻž āĻŦāĻŋāĻļā§āĻ˛ā§āĻˇāĻŖ (EDA) āĻāĻ°āĻžāĻ° āĻāĻ¨ā§āĻ¯ āĻ āĻ¨ā§āĻ āĻĻāĻ°āĻāĻžāĻ°ā§ āĻā§āĻ˛ āĻ¸āĻ°āĻŦāĻ°āĻžāĻš āĻāĻ°ā§āĨ¤ āĻāĻŋāĻ¨ā§āĻ¤ā§ āĻāĻĒāĻ¨āĻŋ āĻ¸ā§āĻā§āĻ˛āĻŋ āĻŦā§āĻ¯āĻŦāĻšāĻžāĻ° āĻāĻ°āĻžāĻ° āĻāĻā§, āĻāĻĒāĻ¨āĻžāĻā§ āĻ¸āĻžāĻ§āĻžāĻ°āĻŖāĻ¤ āĻāĻ°āĻ āĻ¸āĻžāĻ§āĻžāĻ°āĻŖ āĻĢāĻžāĻāĻļāĻ¨ āĻ¯ā§āĻŽāĻ¨ df.describe() āĻĻāĻŋāĻ¯āĻŧā§ āĻļā§āĻ°ā§ āĻāĻ°āĻ¤ā§ āĻšāĻŦā§āĨ¤ āĻ¯āĻžāĻāĻšā§āĻ, āĻāĻāĻŋ āĻ˛āĻā§āĻˇ āĻāĻ°āĻž āĻāĻāĻŋāĻ¤ āĻ¯ā§ āĻāĻ āĻ§āĻ°āĻ¨ā§āĻ° āĻĢāĻžāĻāĻļāĻ¨āĻā§āĻ˛āĻŋāĻ° āĻĻā§āĻŦāĻžāĻ°āĻž āĻĒā§āĻ°āĻĻāĻ¤ā§āĻ¤ āĻā§āĻˇāĻŽāĻ¤āĻžāĻā§āĻ˛āĻŋ āĻ¸ā§āĻŽāĻŋāĻ¤, āĻāĻŦāĻ EDA āĻ¸āĻŽā§āĻĒāĻžāĻĻāĻ¨ āĻāĻ°āĻžāĻ° āĻ¸āĻŽāĻ¯āĻŧ āĻ¯ā§ āĻā§āĻ¨āĻ āĻĄā§āĻāĻž āĻ¸ā§āĻā§āĻ° āĻ¸āĻžāĻĨā§ āĻāĻžāĻ āĻāĻ°āĻžāĻ° āĻĒā§āĻ°āĻžāĻĨāĻŽāĻŋāĻ āĻĒāĻ°ā§āĻ¯āĻžāĻ¯āĻŧāĻā§āĻ˛āĻŋ āĻĒā§āĻ°āĻžāĻ¯āĻŧāĻ āĻāĻā§ āĻ āĻĒāĻ°ā§āĻ° āĻ¸āĻžāĻĨā§ āĻā§āĻŦ āĻŽāĻŋāĻ˛āĨ¤
āĻāĻŽāĻ°āĻž āĻāĻ āĻ¯ā§ āĻāĻĒāĻžāĻĻāĻžāĻ¨āĻāĻŋ āĻĒā§āĻ°āĻāĻžāĻļ āĻāĻ°āĻāĻŋ āĻ¤āĻžāĻ° āĻ˛ā§āĻāĻ āĻŦāĻ˛ā§āĻā§āĻ¨ āĻ¯ā§ āĻ¤āĻŋāĻ¨āĻŋ āĻĒā§āĻ¨āĻ°āĻžāĻŦā§āĻ¤ā§āĻ¤āĻŋāĻŽā§āĻ˛āĻ āĻā§āĻ°āĻŋāĻ¯āĻŧāĻž āĻ¸āĻŽā§āĻĒāĻžāĻĻāĻ¨ā§āĻ° āĻ
āĻ¨ā§āĻ°āĻžāĻā§ āĻ¨āĻ¨āĨ¤ āĻĢāĻ˛āĻ¸ā§āĻŦāĻ°ā§āĻĒ, āĻĻā§āĻ°ā§āĻ¤ āĻāĻŦāĻ āĻĻāĻā§āĻˇāĻ¤āĻžāĻ° āĻ¸āĻžāĻĨā§ āĻ
āĻ¨ā§āĻ¸āĻ¨ā§āĻ§āĻžāĻ¨āĻŽā§āĻ˛āĻ āĻĄā§āĻāĻž āĻŦāĻŋāĻļā§āĻ˛ā§āĻˇāĻŖ āĻāĻ°āĻžāĻ° āĻāĻ¨ā§āĻ¯ āĻ¸āĻ°āĻā§āĻāĻžāĻŽāĻā§āĻ˛āĻŋāĻ° āĻ¸āĻ¨ā§āĻ§āĻžāĻ¨ā§, āĻ¤āĻŋāĻ¨āĻŋ āĻ˛āĻžāĻāĻŦā§āĻ°ā§āĻ°āĻŋāĻāĻŋ āĻā§āĻāĻā§ āĻĒāĻžāĻ¨
āĻāĻāĻžāĻ¨ā§ āĻāĻŽāĻ°āĻž āĻāĻĻāĻžāĻšāĻ°āĻŖ āĻšāĻŋāĻ¸āĻžāĻŦā§ āĻāĻžāĻāĻāĻžāĻ¨āĻŋāĻ āĻĄā§āĻāĻžāĻ¸ā§āĻ āĻŦā§āĻ¯āĻŦāĻšāĻžāĻ° āĻāĻ°ā§ āĻĒāĻžāĻ¨ā§āĻĄāĻž-āĻĒā§āĻ°ā§āĻĢāĻžāĻāĻ˛āĻŋāĻ āĻ˛āĻžāĻāĻŦā§āĻ°ā§āĻ°āĻŋ āĻŦā§āĻ¯āĻŦāĻšāĻžāĻ°ā§āĻ° āĻŦā§āĻļāĻŋāĻˇā§āĻā§āĻ¯āĻā§āĻ˛āĻŋ āĻĻā§āĻāĻŦāĨ¤
āĻĒāĻžāĻ¨ā§āĻĄāĻž āĻŦā§āĻ¯āĻŦāĻšāĻžāĻ° āĻāĻ°ā§ āĻ āĻ¨ā§āĻ¸āĻ¨ā§āĻ§āĻžāĻ¨āĻŽā§āĻ˛āĻ āĻĄā§āĻāĻž āĻŦāĻŋāĻļā§āĻ˛ā§āĻˇāĻŖ
āĻāĻŽāĻŋ āĻāĻžāĻāĻāĻžāĻ¨āĻŋāĻ āĻĄā§āĻāĻžāĻ¸ā§āĻā§ āĻĒāĻžāĻ¨ā§āĻĄāĻž-āĻĒā§āĻ°ā§āĻĢāĻžāĻāĻ˛āĻŋāĻ āĻ¨āĻŋāĻ¯āĻŧā§ āĻĒāĻ°ā§āĻā§āĻˇāĻž āĻāĻ°āĻžāĻ° āĻ¸āĻŋāĻĻā§āĻ§āĻžāĻ¨ā§āĻ¤ āĻ¨āĻŋāĻ¯āĻŧā§āĻāĻŋ āĻāĻžāĻ°āĻŖ āĻāĻ¤ā§ āĻŦāĻŋāĻāĻŋāĻ¨ā§āĻ¨ āĻ§āĻ°āĻŖā§āĻ° āĻĄā§āĻāĻž āĻ°āĻ¯āĻŧā§āĻā§ āĻāĻŦāĻ āĻāĻ¤ā§ āĻ āĻ¨ā§āĻĒāĻ¸ā§āĻĨāĻŋāĻ¤ āĻŽāĻžāĻ¨ āĻ°āĻ¯āĻŧā§āĻā§āĨ¤ āĻāĻŽāĻŋ āĻŦāĻŋāĻļā§āĻŦāĻžāĻ¸ āĻāĻ°āĻŋ āĻ¯ā§ āĻĒāĻžāĻ¨ā§āĻĄāĻž-āĻĒā§āĻ°ā§āĻĢāĻžāĻāĻ˛āĻŋāĻ āĻ˛āĻžāĻāĻŦā§āĻ°ā§āĻ°āĻŋ āĻŦāĻŋāĻļā§āĻˇāĻ¤ āĻāĻŽāĻ¨ āĻā§āĻˇā§āĻ¤ā§āĻ°ā§ āĻāĻāĻ°ā§āĻˇāĻŖā§āĻ¯āĻŧ āĻ¯ā§āĻāĻžāĻ¨ā§ āĻĄā§āĻāĻž āĻāĻāĻ¨āĻ āĻĒāĻ°āĻŋāĻˇā§āĻāĻžāĻ° āĻāĻ°āĻž āĻšāĻ¯āĻŧāĻ¨āĻŋ āĻāĻŦāĻ āĻāĻ° āĻŦā§āĻļāĻŋāĻˇā§āĻā§āĻ¯āĻā§āĻ˛āĻŋāĻ° āĻāĻĒāĻ° āĻ¨āĻŋāĻ°ā§āĻāĻ° āĻāĻ°ā§ āĻāĻ°āĻ āĻĒā§āĻ°āĻā§āĻ°āĻŋāĻ¯āĻŧāĻžāĻāĻ°āĻŖā§āĻ° āĻĒā§āĻ°āĻ¯āĻŧā§āĻāĻ¨āĨ¤ āĻāĻ āĻāĻžāĻ¤ā§āĻ¯āĻŧ āĻĒā§āĻ°āĻā§āĻ°āĻŋāĻ¯āĻŧāĻžāĻāĻ°āĻŖ āĻ¸āĻĢāĻ˛āĻāĻžāĻŦā§ āĻ¸āĻŽā§āĻĒāĻžāĻĻāĻ¨ āĻāĻ°āĻžāĻ° āĻāĻ¨ā§āĻ¯, āĻāĻĒāĻ¨āĻžāĻā§ āĻā§āĻĨāĻžāĻ¯āĻŧ āĻļā§āĻ°ā§ āĻāĻ°āĻ¤ā§ āĻšāĻŦā§ āĻāĻŦāĻ āĻā§ āĻŽāĻ¨ā§āĻ¯ā§āĻ āĻĻāĻŋāĻ¤ā§ āĻšāĻŦā§ āĻ¤āĻž āĻāĻžāĻ¨āĻ¤ā§ āĻšāĻŦā§āĨ¤ āĻāĻāĻžāĻ¨ā§āĻ āĻĒāĻžāĻ¨ā§āĻĄāĻž-āĻĒā§āĻ°ā§āĻĢāĻžāĻāĻ˛āĻŋāĻ āĻā§āĻˇāĻŽāĻ¤āĻž āĻāĻžāĻā§ āĻāĻ¸ā§āĨ¤
āĻĒā§āĻ°āĻĨāĻŽāĻ¤, āĻāĻŽāĻ°āĻž āĻĄā§āĻāĻž āĻāĻŽāĻĻāĻžāĻ¨āĻŋ āĻāĻ°āĻŋ āĻāĻŦāĻ āĻŦāĻ°ā§āĻŖāĻ¨āĻžāĻŽā§āĻ˛āĻ āĻĒāĻ°āĻŋāĻ¸āĻāĻā§āĻ¯āĻžāĻ¨ āĻĒā§āĻ¤ā§ āĻĒāĻžāĻ¨ā§āĻĄāĻž āĻŦā§āĻ¯āĻŦāĻšāĻžāĻ° āĻāĻ°āĻŋ:
# иĐŧĐŋĐžŅŅ ĐŊĐĩОйŅ
ОдиĐŧŅŅ
ĐŋĐ°ĐēĐĩŅОв
import pandas as pd
import pandas_profiling
import numpy as np
# иĐŧĐŋĐžŅŅ Đ´Đ°ĐŊĐŊŅŅ
df = pd.read_csv('/Users/lukas/Downloads/titanic/train.csv')
# вŅŅиŅĐģĐĩĐŊиĐĩ ĐŋĐžĐēаСаŅĐĩĐģĐĩĐš ĐžĐŋиŅĐ°ŅĐĩĐģŅĐŊОК ŅŅĐ°ŅиŅŅиĐēи
df.describe()
āĻā§āĻĄā§āĻ° āĻāĻ āĻ āĻāĻļāĻāĻŋ āĻāĻžāĻ°ā§āĻ¯āĻāĻ° āĻāĻ°āĻžāĻ° āĻĒāĻ°ā§, āĻāĻĒāĻ¨āĻŋ āĻ¨āĻŋāĻŽā§āĻ¨āĻ˛āĻŋāĻāĻŋāĻ¤ āĻāĻŋāĻ¤ā§āĻ°ā§ āĻ¯āĻž āĻĻā§āĻāĻžāĻ¨ā§ āĻšāĻ¯āĻŧā§āĻā§ āĻ¤āĻž āĻĒāĻžāĻŦā§āĻ¨āĨ¤
āĻ¸ā§āĻā§āĻ¯āĻžāĻ¨ā§āĻĄāĻžāĻ°ā§āĻĄ āĻĒāĻžāĻ¨ā§āĻĄāĻžāĻ¸ āĻā§āĻ˛ āĻŦā§āĻ¯āĻŦāĻšāĻžāĻ° āĻāĻ°ā§ āĻĒā§āĻ°āĻžāĻĒā§āĻ¤ āĻŦāĻ°ā§āĻŖāĻ¨āĻžāĻŽā§āĻ˛āĻ āĻĒāĻ°āĻŋāĻ¸āĻāĻā§āĻ¯āĻžāĻ¨
āĻ¯āĻĻāĻŋāĻ āĻāĻāĻžāĻ¨ā§ āĻĒā§āĻ°āĻā§āĻ° āĻĻāĻ°āĻāĻžāĻ°ā§ āĻ¤āĻĨā§āĻ¯ āĻ°āĻ¯āĻŧā§āĻā§, āĻ¤āĻŦā§ āĻāĻ¤ā§ āĻ
āĻ§ā§āĻ¯āĻ¯āĻŧāĻ¨ā§āĻ° āĻ
āĻ§ā§āĻ¨ā§ āĻĨāĻžāĻāĻž āĻĄā§āĻāĻž āĻ¸āĻŽā§āĻĒāĻ°ā§āĻā§ āĻāĻžāĻ¨āĻ¤ā§ āĻāĻāĻ°ā§āĻˇāĻŖā§āĻ¯āĻŧ āĻšāĻŦā§ āĻāĻŽāĻ¨ āĻ¸āĻŦāĻāĻŋāĻā§ āĻ¨ā§āĻāĨ¤ āĻāĻĻāĻžāĻšāĻ°āĻŖāĻ¸ā§āĻŦāĻ°ā§āĻĒ, āĻā§āĻ āĻ§āĻ°ā§ āĻ¨āĻŋāĻ¤ā§ āĻĒāĻžāĻ°ā§ āĻ¯ā§ āĻāĻāĻāĻŋ āĻĄā§āĻāĻž āĻĢā§āĻ°ā§āĻŽā§, āĻāĻāĻāĻŋ āĻāĻžāĻ āĻžāĻŽā§āĻ¤ā§ DataFrame
, 891 āĻ˛āĻžāĻāĻ¨ āĻāĻā§. āĻ¯āĻĻāĻŋ āĻāĻāĻŋ āĻā§āĻ āĻāĻ°āĻžāĻ° āĻĒā§āĻ°āĻ¯āĻŧā§āĻāĻ¨ āĻšāĻ¯āĻŧ, āĻ¤āĻžāĻšāĻ˛ā§ āĻĢā§āĻ°ā§āĻŽā§āĻ° āĻāĻāĻžāĻ° āĻ¨āĻŋāĻ°ā§āĻ§āĻžāĻ°āĻŖ āĻāĻ°āĻ¤ā§ āĻā§āĻĄā§āĻ° āĻāĻ°ā§āĻāĻāĻŋ āĻ˛āĻžāĻāĻ¨ āĻĒā§āĻ°āĻ¯āĻŧā§āĻāĻ¨āĨ¤ āĻ¯āĻĻāĻŋāĻ āĻāĻ āĻāĻŖāĻ¨āĻžāĻā§āĻ˛āĻŋ āĻŦāĻŋāĻļā§āĻˇāĻāĻžāĻŦā§ āĻ¸āĻŽā§āĻĒāĻĻ-āĻ¨āĻŋāĻŦāĻŋāĻĄāĻŧ āĻ¨āĻ¯āĻŧ, āĻ¸ā§āĻā§āĻ˛āĻŋāĻā§ āĻ¸āĻŦ āĻ¸āĻŽāĻ¯āĻŧ āĻĒā§āĻ¨āĻ°āĻžāĻŦā§āĻ¤ā§āĻ¤āĻŋ āĻāĻ°āĻž āĻ¸āĻŽāĻ¯āĻŧ āĻ¨āĻˇā§āĻ āĻāĻ°āĻ¤ā§ āĻŦāĻžāĻ§ā§āĻ¯ āĻ¯āĻž āĻ¸āĻŽā§āĻāĻŦāĻ¤ āĻĄā§āĻāĻž āĻĒāĻ°āĻŋāĻˇā§āĻāĻžāĻ° āĻāĻ°āĻžāĻ° āĻāĻ¨ā§āĻ¯ āĻāĻ°āĻ āĻāĻžāĻ˛āĻāĻžāĻŦā§ āĻŦā§āĻ¯āĻ¯āĻŧ āĻāĻ°āĻž āĻ¯ā§āĻ¤ā§ āĻĒāĻžāĻ°ā§āĨ¤
āĻĒāĻžāĻ¨ā§āĻĄāĻž-āĻĒā§āĻ°ā§āĻĢāĻžāĻāĻ˛āĻŋāĻ āĻŦā§āĻ¯āĻŦāĻšāĻžāĻ° āĻāĻ°ā§ āĻ āĻ¨ā§āĻ¸āĻ¨ā§āĻ§āĻžāĻ¨āĻŽā§āĻ˛āĻ āĻĄā§āĻāĻž āĻŦāĻŋāĻļā§āĻ˛ā§āĻˇāĻŖ
āĻāĻāĻ¨ āĻĒāĻžāĻ¨ā§āĻĄāĻž-āĻĒā§āĻ°ā§āĻĢāĻžāĻāĻ˛āĻŋāĻ āĻŦā§āĻ¯āĻŦāĻšāĻžāĻ° āĻāĻ°ā§ āĻāĻāĻ āĻāĻžāĻ āĻāĻ°āĻž āĻ¯āĻžāĻ:
pandas_profiling.ProfileReport(df)
āĻā§āĻĄā§āĻ° āĻāĻĒāĻ°ā§āĻ° āĻ˛āĻžāĻāĻ¨āĻāĻŋ āĻāĻžāĻ°ā§āĻ¯āĻāĻ° āĻāĻ°āĻž āĻ āĻ¨ā§āĻ¸āĻ¨ā§āĻ§āĻžāĻ¨āĻŽā§āĻ˛āĻ āĻĄā§āĻāĻž āĻŦāĻŋāĻļā§āĻ˛ā§āĻˇāĻŖ āĻ¸ā§āĻāĻ āĻ¸āĻš āĻāĻāĻāĻŋ āĻĒā§āĻ°āĻ¤āĻŋāĻŦā§āĻĻāĻ¨ āĻ¤ā§āĻ°āĻŋ āĻāĻ°āĻŦā§āĨ¤ āĻāĻĒāĻ°ā§ āĻĻā§āĻāĻžāĻ¨ā§ āĻā§āĻĄāĻāĻŋ āĻĒāĻžāĻāĻ¯āĻŧāĻž āĻĄā§āĻāĻž āĻāĻāĻāĻĒā§āĻ āĻāĻ°āĻŦā§, āĻāĻŋāĻ¨ā§āĻ¤ā§ āĻāĻĒāĻ¨āĻŋ āĻāĻāĻŋāĻā§ āĻāĻāĻāĻŋ HTML āĻĢāĻžāĻāĻ˛ āĻāĻāĻāĻĒā§āĻ āĻāĻ°āĻ¤ā§ āĻĒāĻžāĻ°ā§āĻ¨ āĻ¯āĻž āĻāĻĒāĻ¨āĻŋ āĻāĻžāĻāĻā§ āĻĻā§āĻāĻžāĻ¤ā§ āĻĒāĻžāĻ°ā§āĻ¨, āĻāĻĻāĻžāĻšāĻ°āĻŖāĻ¸ā§āĻŦāĻ°ā§āĻĒāĨ¤
āĻĒā§āĻ°āĻ¤āĻŋāĻŦā§āĻĻāĻ¨ā§āĻ° āĻĒā§āĻ°āĻĨāĻŽ āĻ āĻāĻļā§ āĻāĻāĻāĻŋ āĻāĻāĻžāĻ°āĻāĻŋāĻ āĻŦāĻŋāĻāĻžāĻ āĻĨāĻžāĻāĻŦā§, āĻ¯āĻž āĻĄā§āĻāĻž āĻ¸āĻŽā§āĻĒāĻ°ā§āĻā§ āĻĒā§āĻ°āĻžāĻĨāĻŽāĻŋāĻ āĻ¤āĻĨā§āĻ¯ āĻĻā§āĻŦā§ (āĻĒāĻ°ā§āĻ¯āĻŦā§āĻā§āĻˇāĻŖā§āĻ° āĻ¸āĻāĻā§āĻ¯āĻž, āĻā§āĻ°āĻŋāĻ¯āĻŧā§āĻŦāĻ˛ā§āĻ° āĻ¸āĻāĻā§āĻ¯āĻž āĻāĻ¤ā§āĻ¯āĻžāĻĻāĻŋ)āĨ¤ āĻāĻāĻŋāĻ¤ā§ āĻ¸āĻ¤āĻ°ā§āĻāĻ¤āĻžāĻ° āĻāĻāĻāĻŋ āĻ¤āĻžāĻ˛āĻŋāĻāĻžāĻ āĻĨāĻžāĻāĻŦā§, āĻ¯āĻž āĻŦāĻŋāĻļā§āĻ˛ā§āĻˇāĻāĻā§ āĻŦāĻŋāĻļā§āĻˇ āĻŽāĻ¨ā§āĻ¯ā§āĻ āĻĻāĻŋāĻ¤ā§ āĻšāĻŦā§ āĻ¸ā§ āĻ¸āĻŽā§āĻĒāĻ°ā§āĻā§ āĻ āĻŦāĻšāĻŋāĻ¤ āĻāĻ°āĻŦā§āĨ¤ āĻāĻ āĻ¸āĻ¤āĻ°ā§āĻāĻ¤āĻžāĻā§āĻ˛āĻŋ āĻāĻĒāĻ¨āĻŋ āĻā§āĻĨāĻžāĻ¯āĻŧ āĻāĻĒāĻ¨āĻžāĻ° āĻĄā§āĻāĻž āĻĒāĻ°āĻŋāĻˇā§āĻāĻžāĻ° āĻāĻ°āĻžāĻ° āĻĒā§āĻ°āĻā§āĻˇā§āĻāĻžāĻā§ āĻĢā§āĻāĻžāĻ¸ āĻāĻ°āĻ¤ā§ āĻĒāĻžāĻ°ā§āĻ¨ āĻ¸ā§ āĻ¸āĻŽā§āĻĒāĻ°ā§āĻā§ āĻ¸ā§āĻ¤ā§āĻ° āĻ¸āĻ°āĻŦāĻ°āĻžāĻš āĻāĻ°āĻ¤ā§ āĻĒāĻžāĻ°ā§āĨ¤
āĻāĻāĻžāĻ°āĻāĻŋāĻ āĻ°āĻŋāĻĒā§āĻ°ā§āĻ āĻŦāĻŋāĻāĻžāĻ
āĻ āĻ¨ā§āĻ¸āĻ¨ā§āĻ§āĻžāĻ¨ā§ āĻĒāĻ°āĻŋāĻŦāĻ°ā§āĻ¤āĻ¨āĻļā§āĻ˛ āĻŦāĻŋāĻļā§āĻ˛ā§āĻˇāĻŖ
āĻĒā§āĻ°āĻ¤āĻŋāĻŦā§āĻĻāĻ¨ā§āĻ° āĻāĻāĻžāĻ°āĻāĻŋāĻ āĻŦāĻŋāĻāĻžāĻā§āĻ° āĻ¨ā§āĻā§ āĻāĻĒāĻ¨āĻŋ āĻĒā§āĻ°āĻ¤āĻŋāĻāĻŋ āĻĒāĻ°āĻŋāĻŦāĻ°ā§āĻ¤āĻ¨āĻļā§āĻ˛ āĻ¸āĻŽā§āĻĒāĻ°ā§āĻā§ āĻĻāĻ°āĻāĻžāĻ°ā§ āĻ¤āĻĨā§āĻ¯ āĻĒā§āĻ¤ā§ āĻĒāĻžāĻ°ā§āĻ¨āĨ¤ āĻ¤āĻžāĻ°āĻž, āĻ āĻ¨ā§āĻ¯āĻžāĻ¨ā§āĻ¯ āĻāĻŋāĻ¨āĻŋāĻ¸ā§āĻ° āĻŽāĻ§ā§āĻ¯ā§, āĻĒā§āĻ°āĻ¤āĻŋāĻāĻŋ āĻā§āĻ°āĻŋāĻ¯āĻŧā§āĻŦāĻ˛ā§āĻ° āĻŦāĻ¨ā§āĻāĻ¨ āĻŦāĻ°ā§āĻŖāĻ¨āĻž āĻāĻ°ā§ āĻā§āĻ āĻāĻžāĻ°ā§āĻ āĻ āĻ¨ā§āĻ¤āĻ°ā§āĻā§āĻā§āĻ¤ āĻāĻ°ā§āĨ¤
āĻŦāĻ¯āĻŧāĻ¸ āĻ¸āĻāĻā§āĻ¯āĻžāĻāĻ¤ āĻĒāĻ°āĻŋāĻŦāĻ°ā§āĻ¤āĻ¨āĻļā§āĻ˛ āĻ¸āĻŽā§āĻĒāĻ°ā§āĻā§
āĻāĻĒāĻ¨āĻŋ āĻāĻā§āĻ° āĻāĻĻāĻžāĻšāĻ°āĻŖ āĻĨā§āĻā§ āĻĻā§āĻāĻ¤ā§ āĻĒāĻžāĻā§āĻā§āĻ¨, āĻĒāĻžāĻ¨ā§āĻĄāĻž-āĻĒā§āĻ°ā§āĻĢāĻžāĻāĻ˛āĻŋāĻ āĻāĻŽāĻžāĻĻā§āĻ° āĻŦā§āĻļ āĻāĻŋāĻā§ āĻĻāĻ°āĻāĻžāĻ°ā§ āĻ¸ā§āĻāĻ āĻĻā§āĻ¯āĻŧ, āĻ¯ā§āĻŽāĻ¨ āĻšāĻžāĻ°āĻžāĻ¨ā§ āĻŽāĻžāĻ¨āĻā§āĻ˛āĻŋāĻ° āĻļāĻ¤āĻžāĻāĻļ āĻāĻŦāĻ āĻ¸āĻāĻā§āĻ¯āĻž, āĻ¸ā§āĻāĻ¸āĻžāĻĨā§ āĻŦāĻ°ā§āĻŖāĻ¨āĻžāĻŽā§āĻ˛āĻ āĻĒāĻ°āĻŋāĻ¸āĻāĻā§āĻ¯āĻžāĻ¨ā§āĻ° āĻĒāĻ°āĻŋāĻŽāĻžāĻĒ āĻ¯āĻž āĻāĻŽāĻ°āĻž āĻāĻ¤āĻŋāĻŽāĻ§ā§āĻ¯ā§ āĻĻā§āĻā§āĻāĻŋāĨ¤ āĻāĻžāĻ°āĻŖ Age
āĻāĻāĻāĻŋ āĻ¸āĻāĻā§āĻ¯āĻžāĻ¸ā§āĻāĻ āĻĒāĻ°āĻŋāĻŦāĻ°ā§āĻ¤āĻ¨āĻļā§āĻ˛, āĻāĻāĻāĻŋ āĻšāĻŋāĻ¸ā§āĻā§āĻā§āĻ°āĻžāĻŽ āĻāĻāĻžāĻ°ā§ āĻāĻ° āĻŦāĻŋāĻ¤āĻ°āĻŖā§āĻ° āĻāĻŋāĻā§āĻ¯ā§āĻ¯āĻŧāĻžāĻ˛āĻžāĻāĻā§āĻļāĻ¨ āĻāĻŽāĻžāĻĻā§āĻ° āĻāĻ āĻ¸āĻŋāĻĻā§āĻ§āĻžāĻ¨ā§āĻ¤ā§ āĻĒā§āĻāĻāĻžāĻ¤ā§ āĻĻā§āĻ¯āĻŧ āĻ¯ā§ āĻāĻŽāĻžāĻĻā§āĻ° āĻāĻāĻāĻŋ āĻŦāĻ¨ā§āĻāĻ¨ āĻĄāĻžāĻ¨āĻĻāĻŋāĻā§ āĻ¤āĻŋāĻ°ā§āĻ¯āĻ āĻšāĻ¯āĻŧā§āĻā§āĨ¤
āĻāĻāĻāĻŋ āĻļā§āĻ°ā§āĻŖā§āĻāĻ¤ āĻĒāĻ°āĻŋāĻŦāĻ°ā§āĻ¤āĻ¨āĻļā§āĻ˛ āĻŦāĻŋāĻŦā§āĻāĻ¨āĻž āĻāĻ°āĻžāĻ° āĻ¸āĻŽāĻ¯āĻŧ, āĻāĻāĻāĻĒā§āĻ āĻĢāĻ˛āĻžāĻĢāĻ˛ āĻāĻāĻāĻŋ āĻ¸āĻāĻā§āĻ¯āĻžāĻ¸ā§āĻāĻ āĻĒāĻ°āĻŋāĻŦāĻ°ā§āĻ¤āĻ¨āĻļā§āĻ˛ā§āĻ° āĻāĻ¨ā§āĻ¯ āĻĒāĻžāĻāĻ¯āĻŧāĻž āĻĢāĻ˛āĻžāĻĢāĻ˛ āĻĨā§āĻā§ āĻ¸āĻžāĻŽāĻžāĻ¨ā§āĻ¯ āĻāĻŋāĻ¨ā§āĻ¨āĨ¤
āĻ¸ā§āĻā§āĻ¸ āĻļā§āĻ°ā§āĻŖā§āĻāĻ¤ āĻĒāĻ°āĻŋāĻŦāĻ°ā§āĻ¤āĻ¨āĻļā§āĻ˛ āĻ¸āĻŽā§āĻĒāĻ°ā§āĻā§
āĻ¯āĻĨāĻž, āĻāĻĄāĻŧ, āĻ¸āĻ°ā§āĻŦāĻ¨āĻŋāĻŽā§āĻ¨ āĻāĻŦāĻ āĻ¸āĻ°ā§āĻŦā§āĻā§āĻ āĻā§āĻāĻāĻžāĻ° āĻĒāĻ°āĻŋāĻŦāĻ°ā§āĻ¤ā§, āĻĒāĻžāĻ¨ā§āĻĄāĻž-āĻĒā§āĻ°ā§āĻĢāĻžāĻāĻ˛āĻŋāĻ āĻ˛āĻžāĻāĻŦā§āĻ°ā§āĻ°āĻŋ āĻā§āĻ˛āĻžāĻ¸ā§āĻ° āĻ¸āĻāĻā§āĻ¯āĻž āĻā§āĻāĻā§ āĻĒā§āĻ¯āĻŧā§āĻā§āĨ¤ āĻāĻžāĻ°āĻŖ Sex
â āĻāĻāĻāĻŋ āĻŦāĻžāĻāĻ¨āĻžāĻ°āĻŋ āĻā§āĻ°āĻŋāĻ¯āĻŧā§āĻŦāĻ˛, āĻāĻ° āĻŽāĻžāĻ¨ āĻĻā§āĻāĻŋ āĻļā§āĻ°ā§āĻŖā§ āĻĻā§āĻŦāĻžāĻ°āĻž āĻāĻĒāĻ¸ā§āĻĨāĻžāĻĒāĻŋāĻ¤ āĻšāĻ¯āĻŧāĨ¤
āĻāĻĒāĻ¨āĻŋ āĻ¯āĻĻāĻŋ āĻāĻŽāĻžāĻ° āĻŽāĻ¤ā§ āĻā§āĻĄ āĻĒāĻ°ā§āĻā§āĻˇāĻž āĻāĻ°āĻ¤ā§ āĻāĻžāĻ¨ āĻ¤āĻŦā§ āĻĒāĻžāĻ¨ā§āĻĄāĻž-āĻĒā§āĻ°ā§āĻĢāĻžāĻāĻ˛āĻŋāĻ āĻ˛āĻžāĻāĻŦā§āĻ°ā§āĻ°āĻŋ āĻāĻ āĻŽā§āĻā§āĻ°āĻŋāĻā§āĻ¸āĻā§āĻ˛āĻŋ āĻā§āĻāĻžāĻŦā§ āĻāĻŖāĻ¨āĻž āĻāĻ°ā§ āĻ¤āĻž āĻ¨āĻŋāĻ¯āĻŧā§ āĻāĻĒāĻ¨āĻŋ āĻāĻā§āĻ°āĻšā§ āĻšāĻ¤ā§ āĻĒāĻžāĻ°ā§āĻ¨āĨ¤ āĻ˛āĻžāĻāĻŦā§āĻ°ā§āĻ°āĻŋ āĻā§āĻĄ āĻā§āĻ˛āĻž āĻāĻŦāĻ GitHub-āĻ āĻāĻĒāĻ˛āĻŦā§āĻ§ āĻĨāĻžāĻāĻžāĻ¯āĻŧ āĻāĻ āĻ¸āĻŽā§āĻĒāĻ°ā§āĻā§ āĻā§āĻāĻā§ āĻŦā§āĻ° āĻāĻ°āĻž āĻāĻ¤āĻāĻž āĻāĻ āĻŋāĻ¨ āĻ¨āĻ¯āĻŧāĨ¤ āĻ¯ā§āĻšā§āĻ¤ā§ āĻāĻŽāĻŋ āĻāĻŽāĻžāĻ° āĻĒā§āĻ°ā§āĻā§āĻā§āĻā§ āĻŦā§āĻ˛ā§āĻ¯āĻžāĻ āĻŦāĻā§āĻ¸ āĻŦā§āĻ¯āĻŦāĻšāĻžāĻ° āĻāĻ°āĻžāĻ° āĻŦāĻĄāĻŧ āĻ
āĻ¨ā§āĻ°āĻžāĻā§ āĻ¨āĻ, āĻ¤āĻžāĻ āĻāĻŽāĻŋ āĻ˛āĻžāĻāĻŦā§āĻ°ā§āĻ°āĻŋāĻ° āĻ¸ā§āĻ°ā§āĻ¸ āĻā§āĻĄ āĻĻā§āĻā§āĻāĻŋāĨ¤ āĻāĻĻāĻžāĻšāĻ°āĻŖāĻ¸ā§āĻŦāĻ°ā§āĻĒ, āĻ¸āĻžāĻāĻā§āĻ¯āĻŋāĻ āĻā§āĻ°āĻŋāĻ¯āĻŧā§āĻŦāĻ˛ āĻĒā§āĻ°āĻā§āĻ°āĻŋāĻ¯āĻŧāĻžāĻāĻ°āĻŖā§āĻ° āĻĒā§āĻ°āĻā§āĻ°āĻŋāĻ¯āĻŧāĻžāĻāĻŋ āĻĢāĻžāĻāĻļāĻ¨ āĻĻā§āĻŦāĻžāĻ°āĻž āĻāĻĒāĻ¸ā§āĻĨāĻžāĻĒāĻŋāĻ¤ āĻšāĻ¯āĻŧ āĻāĻŽāĻ¨ āĻĻā§āĻāĻžāĻ¯āĻŧ
def describe_numeric_1d(series, **kwargs):
"""Compute summary statistics of a numerical (`TYPE_NUM`) variable (a Series).
Also create histograms (mini an full) of its distribution.
Parameters
----------
series : Series
The variable to describe.
Returns
-------
Series
The description of the variable as a Series with index being stats keys.
"""
# Format a number as a percentage. For example 0.25 will be turned to 25%.
_percentile_format = "{:.0%}"
stats = dict()
stats['type'] = base.TYPE_NUM
stats['mean'] = series.mean()
stats['std'] = series.std()
stats['variance'] = series.var()
stats['min'] = series.min()
stats['max'] = series.max()
stats['range'] = stats['max'] - stats['min']
# To avoid to compute it several times
_series_no_na = series.dropna()
for percentile in np.array([0.05, 0.25, 0.5, 0.75, 0.95]):
# The dropna() is a workaround for https://github.com/pydata/pandas/issues/13098
stats[_percentile_format.format(percentile)] = _series_no_na.quantile(percentile)
stats['iqr'] = stats['75%'] - stats['25%']
stats['kurtosis'] = series.kurt()
stats['skewness'] = series.skew()
stats['sum'] = series.sum()
stats['mad'] = series.mad()
stats['cv'] = stats['std'] / stats['mean'] if stats['mean'] else np.NaN
stats['n_zeros'] = (len(series) - np.count_nonzero(series))
stats['p_zeros'] = stats['n_zeros'] * 1.0 / len(series)
# Histograms
stats['histogram'] = histogram(series, **kwargs)
stats['mini_histogram'] = mini_histogram(series, **kwargs)
return pd.Series(stats, name=series.name)
āĻ¯āĻĻāĻŋāĻ āĻā§āĻĄā§āĻ° āĻāĻ āĻ
āĻāĻļāĻāĻŋ āĻŦā§āĻļ āĻŦāĻĄāĻŧ āĻāĻŦāĻ āĻāĻāĻŋāĻ˛ āĻŦāĻ˛ā§ āĻŽāĻ¨ā§ āĻšāĻ¤ā§ āĻĒāĻžāĻ°ā§, āĻāĻ¸āĻ˛ā§ āĻāĻāĻŋ āĻŦā§āĻāĻž āĻā§āĻŦ āĻ¸āĻšāĻāĨ¤ āĻŽā§āĻĻā§āĻĻāĻž āĻāĻĨāĻž āĻšāĻ˛ āĻ˛āĻžāĻāĻŦā§āĻ°ā§āĻ°āĻŋāĻ° āĻ¸ā§āĻ°ā§āĻ¸ āĻā§āĻĄā§ āĻāĻāĻāĻŋ āĻĢāĻžāĻāĻļāĻ¨ āĻāĻā§ āĻ¯āĻž āĻā§āĻ°āĻŋāĻ¯āĻŧā§āĻŦāĻ˛ā§āĻ° āĻ§āĻ°āĻ¨ āĻ¨āĻŋāĻ°ā§āĻ§āĻžāĻ°āĻŖ āĻāĻ°ā§āĨ¤ āĻ¯āĻĻāĻŋ āĻĻā§āĻāĻž āĻ¯āĻžāĻ¯āĻŧ āĻ¯ā§ āĻ˛āĻžāĻāĻŦā§āĻ°ā§āĻ°āĻŋ āĻāĻāĻāĻŋ āĻ¸āĻāĻā§āĻ¯āĻžāĻ¸ā§āĻāĻ āĻĒāĻ°āĻŋāĻŦāĻ°ā§āĻ¤āĻ¨āĻļā§āĻ˛ā§āĻ° āĻ¸āĻŽā§āĻŽā§āĻā§āĻ¨ āĻšāĻ¯āĻŧā§āĻā§, āĻāĻĒāĻ°ā§āĻ° āĻĢāĻžāĻāĻļāĻ¨āĻāĻŋ āĻāĻŽāĻ°āĻž āĻ¯ā§ āĻŽā§āĻā§āĻ°āĻŋāĻāĻā§āĻ˛āĻŋ āĻĻā§āĻāĻāĻŋāĻ˛āĻžāĻŽ āĻ¤āĻž āĻā§āĻāĻā§ āĻĒāĻžāĻŦā§āĨ¤ āĻāĻ āĻĢāĻžāĻāĻļāĻ¨ āĻāĻžāĻāĻĒā§āĻ° āĻŦāĻ¸ā§āĻ¤ā§āĻ° āĻ¸āĻžāĻĨā§ āĻāĻžāĻ āĻāĻ°āĻžāĻ° āĻāĻ¨ā§āĻ¯ āĻ¸ā§āĻā§āĻ¯āĻžāĻ¨ā§āĻĄāĻžāĻ°ā§āĻĄ āĻĒāĻžāĻ¨ā§āĻĄāĻž āĻ
āĻĒāĻžāĻ°ā§āĻļāĻ¨ āĻŦā§āĻ¯āĻŦāĻšāĻžāĻ° āĻāĻ°ā§ Series
, āĻŽāĻ¤ series.mean()
. āĻāĻŖāĻ¨āĻžāĻ° āĻĢāĻ˛āĻžāĻĢāĻ˛ āĻāĻāĻāĻŋ āĻ
āĻāĻŋāĻ§āĻžāĻ¨ā§ āĻ¸āĻāĻ°āĻā§āĻˇāĻŖ āĻāĻ°āĻž āĻšāĻ¯āĻŧ stats
. āĻšāĻŋāĻ¸ā§āĻā§āĻā§āĻ°āĻžāĻŽāĻā§āĻ˛āĻŋ āĻĢāĻžāĻāĻļāĻ¨ā§āĻ° āĻāĻāĻāĻŋ āĻ
āĻāĻŋāĻ¯ā§āĻāĻŋāĻ¤ āĻ¸āĻāĻ¸ā§āĻāĻ°āĻŖ āĻŦā§āĻ¯āĻŦāĻšāĻžāĻ° āĻāĻ°ā§ āĻ¤ā§āĻ°āĻŋ āĻāĻ°āĻž āĻšāĻ¯āĻŧ matplotlib.pyplot.hist
. āĻĢāĻžāĻāĻļāĻ¨āĻāĻŋ āĻŦāĻŋāĻāĻŋāĻ¨ā§āĻ¨ āĻ§āĻ°āĻŖā§āĻ° āĻĄā§āĻāĻž āĻ¸ā§āĻā§āĻ° āĻ¸āĻžāĻĨā§ āĻāĻžāĻ āĻāĻ°āĻ¤ā§ āĻĒāĻžāĻ°ā§ āĻ¤āĻž āĻ¨āĻŋāĻļā§āĻāĻŋāĻ¤ āĻāĻ°āĻžāĻ° āĻ˛āĻā§āĻˇā§āĻ¯ā§ āĻ
āĻāĻŋāĻ¯ā§āĻāĻ¨āĨ¤
āĻĒāĻžāĻ°āĻ¸ā§āĻĒāĻ°āĻŋāĻ āĻ¸āĻŽā§āĻĒāĻ°ā§āĻ āĻ¸ā§āĻāĻ āĻāĻŦāĻ āĻ¨āĻŽā§āĻ¨āĻž āĻĄā§āĻāĻž āĻ āĻ§ā§āĻ¯āĻ¯āĻŧāĻ¨ āĻāĻ°āĻž āĻšāĻ¯āĻŧā§āĻā§
āĻā§āĻ°āĻŋāĻ¯āĻŧā§āĻŦāĻ˛ā§āĻ° āĻŦāĻŋāĻļā§āĻ˛ā§āĻˇāĻŖā§āĻ° āĻĢāĻ˛āĻžāĻĢāĻ˛ā§āĻ° āĻĒāĻ°, āĻĒāĻžāĻ¨ā§āĻĄāĻž-āĻĒā§āĻ°ā§āĻĢāĻžāĻāĻ˛āĻŋāĻ, āĻĒāĻžāĻ°āĻ¸ā§āĻĒāĻ°āĻŋāĻ āĻ¸āĻŽā§āĻĒāĻ°ā§āĻ āĻŦāĻŋāĻāĻžāĻā§, āĻĒāĻŋāĻ¯āĻŧāĻžāĻ°āĻ¸āĻ¨ āĻāĻŦāĻ āĻ¸ā§āĻĒāĻŋāĻ¯āĻŧāĻžāĻ°āĻŽā§āĻ¯āĻžāĻ¨ āĻĒāĻžāĻ°āĻ¸ā§āĻĒāĻ°āĻŋāĻ āĻ¸āĻŽā§āĻĒāĻ°ā§āĻ āĻŽā§āĻ¯āĻžāĻā§āĻ°āĻŋāĻā§āĻ¸ āĻĒā§āĻ°āĻĻāĻ°ā§āĻļāĻ¨ āĻāĻ°āĻŦā§āĨ¤
āĻĒāĻŋāĻ¯āĻŧāĻžāĻ°āĻ¸āĻ¨ āĻĒāĻžāĻ°āĻ¸ā§āĻĒāĻ°āĻŋāĻ āĻ¸āĻŽā§āĻĒāĻ°ā§āĻ āĻŽā§āĻ¯āĻžāĻā§āĻ°āĻŋāĻā§āĻ¸
āĻ¯āĻĻāĻŋ āĻĒā§āĻ°āĻ¯āĻŧā§āĻāĻ¨ āĻšāĻ¯āĻŧ, āĻāĻĒāĻ¨āĻŋ āĻ°āĻŋāĻĒā§āĻ°ā§āĻā§āĻ° āĻĒā§āĻ°āĻāĻ¨ā§āĻŽāĻā§ āĻā§āĻ°āĻŋāĻāĻžāĻ° āĻāĻ°ā§ āĻāĻŽāĻ¨ āĻā§āĻĄā§āĻ° āĻ˛āĻžāĻāĻ¨ā§, āĻĒāĻžāĻ°āĻ¸ā§āĻĒāĻ°āĻŋāĻ āĻ¸āĻŽā§āĻĒāĻ°ā§āĻ āĻāĻŖāĻ¨āĻž āĻāĻ°āĻžāĻ° āĻ¸āĻŽāĻ¯āĻŧ āĻŦā§āĻ¯āĻŦāĻšā§āĻ¤ āĻĨā§āĻ°ā§āĻļāĻšā§āĻ˛ā§āĻĄ āĻŽāĻžāĻ¨āĻā§āĻ˛āĻŋāĻ° āĻ¸ā§āĻāĻ āĻ¸ā§āĻ āĻāĻ°āĻ¤ā§ āĻĒāĻžāĻ°ā§āĻ¨āĨ¤ āĻāĻāĻŋ āĻāĻ°āĻžāĻ° āĻŽāĻžāĻ§ā§āĻ¯āĻŽā§, āĻāĻĒāĻ¨āĻŋ āĻāĻĒāĻ¨āĻžāĻ° āĻŦāĻŋāĻļā§āĻ˛ā§āĻˇāĻŖā§āĻ° āĻāĻ¨ā§āĻ¯ āĻĒāĻžāĻ°āĻ¸ā§āĻĒāĻ°āĻŋāĻ āĻ¸āĻŽā§āĻĒāĻ°ā§āĻā§āĻ° āĻā§āĻ¨ āĻļāĻā§āĻ¤āĻŋ āĻā§āĻ°ā§āĻ¤ā§āĻŦāĻĒā§āĻ°ā§āĻŖ āĻŦāĻ˛ā§ āĻŦāĻŋāĻŦā§āĻāĻŋāĻ¤ āĻšāĻ¯āĻŧ āĻ¤āĻž āĻ¨āĻŋāĻ°ā§āĻĻāĻŋāĻˇā§āĻ āĻāĻ°āĻ¤ā§ āĻĒāĻžāĻ°ā§āĻ¨āĨ¤
āĻ āĻŦāĻļā§āĻˇā§, āĻ¨āĻŽā§āĻ¨āĻž āĻŦāĻŋāĻāĻžāĻā§, āĻĒāĻžāĻ¨ā§āĻĄāĻž-āĻĒā§āĻ°ā§āĻĢāĻžāĻāĻ˛āĻŋāĻ āĻ°āĻŋāĻĒā§āĻ°ā§āĻ, āĻāĻĻāĻžāĻšāĻ°āĻŖ āĻšāĻŋāĻ¸āĻžāĻŦā§, āĻĄā§āĻāĻž āĻ¸ā§āĻā§āĻ° āĻļā§āĻ°ā§ āĻĨā§āĻā§ āĻ¨ā§āĻāĻ¯āĻŧāĻž āĻĄā§āĻāĻžāĻ° āĻāĻāĻāĻŋ āĻ āĻāĻļ āĻĒā§āĻ°āĻĻāĻ°ā§āĻļāĻ¨ āĻāĻ°ā§āĨ¤ āĻāĻ āĻĒāĻĻā§āĻ§āĻ¤āĻŋāĻāĻŋ āĻ āĻĒā§āĻ°ā§āĻ¤āĻŋāĻāĻ° āĻŦāĻŋāĻ¸ā§āĻŽāĻ¯āĻŧā§āĻ° āĻĻāĻŋāĻā§ āĻ¨āĻŋāĻ¯āĻŧā§ āĻ¯ā§āĻ¤ā§ āĻĒāĻžāĻ°ā§, āĻ¯ā§āĻšā§āĻ¤ā§ āĻĒā§āĻ°āĻĨāĻŽ āĻāĻ¯āĻŧā§āĻāĻāĻŋ āĻĒāĻ°ā§āĻ¯āĻŦā§āĻā§āĻˇāĻŖ āĻāĻŽāĻ¨ āĻāĻāĻāĻŋ āĻ¨āĻŽā§āĻ¨āĻž āĻāĻĒāĻ¸ā§āĻĨāĻžāĻĒāĻ¨ āĻāĻ°āĻ¤ā§ āĻĒāĻžāĻ°ā§ āĻ¯āĻž āĻ¸āĻŽāĻā§āĻ° āĻĄā§āĻāĻž āĻ¸ā§āĻā§āĻ° āĻŦā§āĻļāĻŋāĻˇā§āĻā§āĻ¯āĻā§āĻ˛āĻŋāĻā§ āĻĒā§āĻ°āĻ¤āĻŋāĻĢāĻ˛āĻŋāĻ¤ āĻāĻ°ā§ āĻ¨āĻžāĨ¤
āĻ
āĻ§ā§āĻ¯āĻžāĻ¯āĻŧ āĻ
āĻ§ā§āĻ¨ āĻ¨āĻŽā§āĻ¨āĻž āĻ¤āĻĨā§āĻ¯ āĻ§āĻžāĻ°āĻŖāĻāĻžāĻ°ā§ āĻŦāĻŋāĻāĻžāĻ
āĻĢāĻ˛āĻ¸ā§āĻŦāĻ°ā§āĻĒ, āĻāĻŽāĻŋ āĻāĻ āĻļā§āĻˇ āĻŦāĻŋāĻāĻžāĻā§ āĻŽāĻ¨ā§āĻ¯ā§āĻ āĻĻā§āĻāĻ¯āĻŧāĻžāĻ° āĻĒāĻ°āĻžāĻŽāĻ°ā§āĻļ āĻĻāĻŋāĻā§āĻāĻŋ āĻ¨āĻžāĨ¤ āĻĒāĻ°āĻŋāĻŦāĻ°ā§āĻ¤ā§, āĻāĻŽāĻžāĻ¨ā§āĻĄ āĻŦā§āĻ¯āĻŦāĻšāĻžāĻ° āĻāĻ°āĻž āĻāĻžāĻ˛ df.sample(5)
, āĻ¯āĻž āĻāĻ˛ā§āĻŽā§āĻ˛ā§āĻāĻžāĻŦā§ āĻĄā§āĻāĻž āĻ¸ā§āĻ āĻĨā§āĻā§ 5āĻāĻŋ āĻĒāĻ°ā§āĻ¯āĻŦā§āĻā§āĻˇāĻŖ āĻ¨āĻŋāĻ°ā§āĻŦāĻžāĻāĻ¨ āĻāĻ°āĻŦā§āĨ¤
āĻĢāĻ˛āĻžāĻĢāĻ˛
āĻ¸āĻāĻā§āĻˇā§āĻĒā§ āĻŦāĻ˛āĻ¤ā§ āĻā§āĻ˛ā§, āĻĒāĻžāĻ¨ā§āĻĄāĻž-āĻĒā§āĻ°ā§āĻĢāĻžāĻāĻ˛āĻŋāĻ āĻ˛āĻžāĻāĻŦā§āĻ°ā§āĻ°āĻŋ āĻŦāĻŋāĻļā§āĻ˛ā§āĻˇāĻāĻā§ āĻāĻŋāĻā§ āĻĻāĻ°āĻāĻžāĻ°ā§ āĻā§āĻˇāĻŽāĻ¤āĻž āĻĻā§āĻ¯āĻŧ āĻ¯ā§āĻā§āĻ˛āĻŋ āĻāĻŽāĻ¨ āĻā§āĻˇā§āĻ¤ā§āĻ°ā§ āĻāĻžāĻā§ āĻāĻ¸āĻŦā§ āĻ¯ā§āĻāĻžāĻ¨ā§ āĻāĻĒāĻ¨āĻžāĻā§ āĻĻā§āĻ°ā§āĻ¤ āĻĄā§āĻāĻž āĻ¸āĻŽā§āĻĒāĻ°ā§āĻā§ āĻāĻāĻāĻŋ āĻŽā§āĻāĻžāĻŽā§āĻāĻŋ āĻ§āĻžāĻ°āĻŖāĻž āĻĒā§āĻ¤ā§ āĻŦāĻž āĻāĻžāĻāĻā§ āĻā§āĻ¯āĻŧā§āĻ¨ā§āĻĻāĻž āĻŦāĻŋāĻļā§āĻ˛ā§āĻˇāĻŖā§āĻ° āĻĒā§āĻ°āĻ¤āĻŋāĻŦā§āĻĻāĻ¨ āĻĻāĻŋāĻ¤ā§ āĻšāĻŦā§āĨ¤ āĻāĻāĻ āĻ¸āĻŽāĻ¯āĻŧā§, āĻĄā§āĻāĻžāĻ° āĻ¸āĻžāĻĨā§ āĻŦāĻžāĻ¸ā§āĻ¤āĻŦ āĻāĻžāĻ, āĻāĻ° āĻŦā§āĻļāĻŋāĻˇā§āĻā§āĻ¯āĻā§āĻ˛āĻŋ āĻŦāĻŋāĻŦā§āĻāĻ¨āĻžāĻ¯āĻŧ āĻ¨āĻŋāĻ¯āĻŧā§, āĻŽā§āĻ¯āĻžāĻ¨ā§āĻ¯āĻŧāĻžāĻ˛āĻŋ āĻĒāĻžāĻ¨ā§āĻĄāĻž-āĻĒā§āĻ°ā§āĻĢāĻžāĻāĻ˛āĻŋāĻ āĻŦā§āĻ¯āĻŦāĻšāĻžāĻ° āĻ¨āĻž āĻāĻ°ā§ āĻ¸āĻā§āĻāĻžāĻ˛āĻŋāĻ¤ āĻšāĻ¯āĻŧāĨ¤
āĻāĻĒāĻ¨āĻŋ āĻ¯āĻĻāĻŋ āĻāĻāĻāĻŋ āĻā§āĻĒāĻŋāĻāĻžāĻ° āĻ¨ā§āĻāĻŦā§āĻā§ āĻ¸āĻŽāĻ¸ā§āĻ¤ āĻŦā§āĻĻā§āĻ§āĻŋāĻŽāĻ¤ā§āĻ¤āĻžāĻ° āĻĄā§āĻāĻž āĻŦāĻŋāĻļā§āĻ˛ā§āĻˇāĻŖ āĻā§āĻŽāĻ¨ āĻĻā§āĻāĻžāĻ¯āĻŧ āĻ¤āĻž āĻāĻāĻŦāĻžāĻ° āĻĻā§āĻāĻ¤ā§ āĻāĻžāĻ¨ āĻ¤āĻŦā§ āĻāĻāĻŦāĻžāĻ° āĻĻā§āĻā§āĻ¨
āĻĒā§āĻ°āĻŋāĻ¯āĻŧ āĻĒāĻžāĻ āĻāĻāĻŖ! āĻāĻĒāĻ¨āĻŋ āĻā§āĻĨāĻžāĻ¯āĻŧ āĻ¨āĻ¤ā§āĻ¨ āĻĄā§āĻāĻž āĻ¸ā§āĻ āĻŦāĻŋāĻļā§āĻ˛ā§āĻˇāĻŖ āĻļā§āĻ°ā§ āĻāĻ°āĻŦā§āĻ¨?
āĻāĻ¤ā§āĻ¸: www.habr.com