作业-数据描述之统计量

课堂作业

基于HRSalaries.csv数据回答问题：

• 计算HRSalaries数据中评分Review_Score的均值和中位数，并判断其偏度是左偏还是右偏；
• Review_Score的IQR值是多少？并绘制该数据的box图；
• Review_Score的标准差是多少？
• 在Review_Score中，求落在两个标准差内的数据占总数的百分比；
• 对于DoIT部门，计算其收入和评分的相关系数。

导入模块

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

%matplotlib inline
%config InlineBackend.figure_format = 'retina'

导入文件

df = pd.read_csv('HRSalaries.csv')

观察数据

df.head()

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 30284 entries, 0 to 30283
Data columns (total 5 columns):
Employee_ID       30284 non-null int64
Position_Title    30284 non-null object
Department        30284 non-null object
Annual_Salary     30284 non-null int64
Review_Score      30284 non-null float64
dtypes: float64(1), int64(2), object(2)
memory usage: 1.2+ MB

数据量满大的30284条。也很完整。无缺失值。

Q1.计算HRSalaries数据中评分Review_Score的均值和中位数，并判断其偏度是左偏还是右偏

# 解题：
RS = df.Review_Score
RS_mean = RS.mean()
RS_median = RS.median()
print ('均值为：', RS_mean)
print ('中位数为：', RS_median)

if RS_mean > RS_median:
    print ('Review_Score这列数据显现出来是右偏')
else:
    print ('Review_Score这列数据显现出来是左偏')

#运行结果
均值为： 6.4558908994849205
中位数为： 6.5
Review_Score这列数据显现出来是左偏

Q2.Review_Score的IQR值是多少？并绘制该数据的box图

# 解题：
Q1 = RS.quantile(0.25)
Q3 = RS.quantile(0.75)
IQR = Q3 - Q1
IQR

# 运行结果
1.4000000000000004

# 绘图
RS.plot(kind='box', vert=False, figsize=(15, 5))
plt.show()

Q3.Review_Score的标准差是多少？

# 解题：
RS.std()

#运行结果
1.030404588021642

Q4.在Review_Score中，求落在两个标准差内的数据占总数的百分比

# 解题：
print (len(RS[RS.between(RS_mean - 2*RS.std(), RS_mean + 2*RS.std())]) / len(RS) *100,'%')

# 运行结果
96.17950072645621 %

Q5.对于DoIT部门，计算其收入和评分的相关系数

# 方法一：
IT = df[df.Department == 'DoIT']
IT[u'Annual_Salary'].corr(IT[u'Review_Score'])

# 方法一运行结果：
0.0060245710104947512

# 方法二：
np.corrcoef(IT.Annual_Salary, IT.Review_Score)[0,1]

# 方法二运行结果：
0.0060245710104947512

相关系数 小于0.5 。不相关。

方法二是在daisy同学上节课中的作业中学到的。感谢@ 孤单不孤单同学

---

我很奇怪为什么我的图表没有底纹，老师课堂上演示时是有底纹的。孤单不孤单同学提交的作业也是有底纹的。求解