Fonctions de science des données
Ce chapitre présente trois fonctions couramment utilisées lors de l'utilisation de Data Science : max(), min() et mean().
L'ensemble de données de la montre de sport
| Durée | Pouls_moyen | Max_Pulse | Calorie_burnage | Heures_travail | Heures_Sommeil |
|---|---|---|---|---|---|
| 30 | 80 | 120 | 240 | dix | sept |
| 30 | 85 | 120 | 250 | dix | sept |
| 45 | 90 | 130 | 260 | 8 | sept |
| 45 | 95 | 130 | 270 | 8 | sept |
| 45 | 100 | 140 | 280 | 0 | sept |
| 60 | 105 | 140 | 290 | sept | 8 |
| 60 | 110 | 145 | 300 | sept | 8 |
| 60 | 115 | 145 | 310 | 8 | 8 |
| 75 | 120 | 150 | 320 | 0 | 8 |
| 75 | 125 | 150 | 330 | 8 | 8 |
L'ensemble de données ci-dessus se compose de 6 variables, chacune avec 10 observations :
- Durée - Combien de temps a duré la séance d'entraînement en minutes ?
- Average_Pulse - Quel était le pouls moyen de la séance d'entraînement ? Ceci est mesuré en battements par minute
- Max_Pulse - Quel était le pouls maximum de la séance d'entraînement ?
- Calorie_Burnage - Combien de calories ont été brûlées pendant la séance d'entraînement ?
- Hours_Work - Combien d'heures avons-nous travaillé à notre travail avant la session de formation ?
- Hours_Sleep - Combien avons-nous dormi la nuit avant la séance d'entraînement ?
Nous utilisons le trait de soulignement (_) pour séparer les chaînes car Python ne peut pas lire l'espace comme séparateur.
La fonction max()
La fonction Python max()est utilisée pour trouver la valeur la plus élevée dans un tableau.
Exemple
Average_pulse_max = max(80, 85, 90, 95, 100, 105, 110, 115, 120, 125)
print
(Average_pulse_max)
La fonction min()
La fonction Python min()est utilisée pour trouver la valeur la plus basse dans un tableau.
Exemple
Average_pulse_min = min(80, 85, 90, 95, 100, 105, 110, 115, 120, 125)
print
(Average_pulse_min)
La fonction moyenne()
La fonction NumPy mean()est utilisée pour trouver la valeur moyenne d'un tableau.
Exemple
import numpy as np
Calorie_burnage =
[240, 250, 260, 270, 280, 290, 300, 310, 320, 330]
Average_calorie_burnage =
np.mean(Calorie_burnage)
print(Average_calorie_burnage)
Nous écrivons np. devant mean pour faire savoir à Python que nous voulons activer la fonction mean de la bibliothèque Numpy .