✍️از عدد تا تصمیم
یک دیتاست به دستت می‌رسد.
هزاران ردیف، ده‌ها ستون و کلی عدد.
اولین وسوسه این است که سریع
mean() بزنیم، چند نمودار بکشیم و نتیجه بگیریم.اما تحلیل داده از کد زدن شروع نمی‌شود؛
از سؤال درست شروع می‌شود.
فرض کنید می‌خواهیم بدانیم عملکرد دانشجوها چگونه است.
با Python می‌توانیم در چند خط، یک نگاه اولیه به داده داشته باشیم:
import pandas as pd
df = pd.read_csv("students.csv")
print(df.shape)
print(df.dtypes)
print(df.isna().sum())
print(df.describe())
این چند خط فقط چند دستور ساده نیستند.
هرکدام یک سؤال پشت خود دارند:
shape → اصلاً با چه حجمی از داده روبه‌رو هستیم؟dtypes → داده‌ها با چه نوعی ذخیره شده‌اند؟isna() → چیزی را از دست داده‌ایم؟describe() → وضعیت اولیه متغیرهای عددی چگونه است؟اینجا یک نکته مهم وجود دارد:
Python می‌تواند داده را پردازش کند؛
اما این ما هستیم که باید بفهمیم چه چیزی را باید بررسی کنیم.
به همین دلیل، برای یک دانشجوی آمار، برنامه‌نویسی فقط یاد گرفتن syntax و نوشتن کد نیست.
برنامه‌نویسی یعنی بتوانیم سؤال آماری خودمان را به یک فرآیند قابل اجرا قابل تکرار و قابل بررسی تبدیل کنیم.
و شاید جذاب‌ترین بخش ماجرا همین باشد:
داده به ما عدد می‌دهد؛
آمار به عدد معنا می‌دهد؛
برنامه‌نویسی کمک می‌کند این مسیر را در مقیاس واقعی انجام دهیم.
┏━━━━━
🌐 @Amar_kadeh 📊
┗━━━━━━━━━━