Data Science- Funktionen
Dieses Kapitel zeigt drei häufig verwendete Funktionen bei der Arbeit mit Data Science: max(), min() und mean().
Der Sportuhr-Datensatz
| Dauer | Average_Pulse | Max_Puls | Kalorienverbrauch | Stunden_Arbeit | Stunden_Schlaf |
|---|---|---|---|---|---|
| 30 | 80 | 120 | 240 | 10 | 7 |
| 30 | 85 | 120 | 250 | 10 | 7 |
| 45 | 90 | 130 | 260 | 8 | 7 |
| 45 | 95 | 130 | 270 | 8 | 7 |
| 45 | 100 | 140 | 280 | 0 | 7 |
| 60 | 105 | 140 | 290 | 7 | 8 |
| 60 | 110 | 145 | 300 | 7 | 8 |
| 60 | 115 | 145 | 310 | 8 | 8 |
| 75 | 120 | 150 | 320 | 0 | 8 |
| 75 | 125 | 150 | 330 | 8 | 8 |
Der obige Datensatz besteht aus 6 Variablen mit jeweils 10 Beobachtungen:
- Dauer - Wie lange hat die Trainingseinheit in Minuten gedauert?
- Average_Pulse - Was war der durchschnittliche Puls der Trainingseinheit? Dies wird in Schlägen pro Minute gemessen
- Max_Pulse - Was war der maximale Puls der Trainingseinheit?
- Calorie_Burnage – Wie viele Kalorien wurden während der Trainingseinheit verbrannt?
- Stunden_Arbeit – Wie viele Stunden haben wir vor der Schulung an unserem Arbeitsplatz gearbeitet?
- Hours_Sleep – Wie viel haben wir in der Nacht vor der Trainingseinheit geschlafen?
Wir verwenden den Unterstrich (_), um Zeichenfolgen zu trennen, da Python kein Leerzeichen als Trennzeichen lesen kann.
Die Funktion max()
Die Python max()-Funktion wird verwendet, um den höchsten Wert in einem Array zu finden.
Beispiel
Average_pulse_max = max(80, 85, 90, 95, 100, 105, 110, 115, 120, 125)
print
(Average_pulse_max)
Die Funktion min()
Die Python min()-Funktion wird verwendet, um den niedrigsten Wert in einem Array zu finden.
Beispiel
Average_pulse_min = min(80, 85, 90, 95, 100, 105, 110, 115, 120, 125)
print
(Average_pulse_min)
Die mean()-Funktion
Die NumPy mean()-Funktion wird verwendet, um den Durchschnittswert eines Arrays zu finden.
Beispiel
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)
Wir schreiben np. vor mean , um Python mitzuteilen, dass wir die mean - Funktion aus der Numpy- Bibliothek aktivieren wollen.