Pleut-il moins quand on loue plus ?
Analyser des données, c'est en tirer une réponse à une question précise. Un seul chiffre bien choisi, comme une moyenne, vaut mieux qu'un tableau de 365 lignes que personne ne lit.
Un loueur de vélos veut savoir quel temps fait louer le plus. Il a l'année entière. Aujourd'hui, tu calcules la réponse.
À la fin de cette leçon
Remarque
Je peux répondre à une question avec la moyenne et la médiane d'un jeu de données.
Mots clés
| Mot | Ce que ça veut dire | Exemple |
|---|---|---|
| Moyenne | la somme des valeurs divisée par leur nombre | |
| Médiane | la valeur du milieu quand on range les valeurs | |
| Étendue | l'écart entre la plus grande et la plus petite valeur | |
| Valeur aberrante | une valeur très éloignée des autres | |
| Groupe | les lignes qui partagent la même valeur dans une colonne | sunny |
Les cellules que les étudiants remplissent restent vides dans cet aperçu.
Moyenne ou médiane : laquelle choisir ?
La moyenne s'obtient en additionnant tout puis en divisant par le nombre de valeurs. La médiane est la valeur du milieu, une fois les valeurs rangées de la plus petite à la plus grande.
Une valeur aberrante tire la moyenne, pas la médiane. La médiane est donc plus juste quand une valeur est très éloignée des autres.
Exemple : cinq prix à la cafétéria
| Étape | Calcul | Résultat |
|---|---|---|
| Les prix en euros | 2, 3, 3, 4, 18 | |
| La moyenne | (2 + 3 + 3 + 4 + 18) ÷ 5 = 30 ÷ 5 | 6 |
| La médiane | Les valeurs sont rangées, la 3e est au milieu | 3 |
| L'étendue | 18 moins 2 | 16 |
Les cellules que les étudiants remplissent restent vides dans cet aperçu.
Avant de commencer
Remarque
Appuie sur Start the lab dans la barre en haut et attends que JupyterLab soit prêt. Chaque bouton Run tape docker exec jupyter puis un petit programme de Python qui lit le fichier des locations de vélos.
Résume les locations de toute l'année
docker exec jupyter python3 steps/summary.pyAffichée ici, non exécutée. Créez un compte gratuit pour appuyer sur Exécuter et la saisir dans le terminal de votre propre labo.
Que dit le résumé des locations ?
La ligne mean est la moyenne : 270,3 vélos loués par jour. La ligne 50% est la médiane : 273 vélos. Les deux sont proches, donc aucune valeur aberrante ne tire la moyenne.
min et max donnent 41 et 487, soit une étendue de 446 vélos. Le jour le plus calme et le plus chargé sont très différents.
Comment comparer des groupes ?
Pour savoir quel temps fait louer le plus, on forme un groupe par temps : sunny, cloudy, rainy. On calcule ensuite la moyenne de chaque groupe.
On compare les moyennes entre elles. Pour être honnête, on regarde aussi la médiane, car un groupe peut avoir quelques jours très chargés.
Calcule la moyenne par temps
docker exec jupyter python3 steps/weather.pyAffichée ici, non exécutée. Créez un compte gratuit pour appuyer sur Exécuter et la saisir dans le terminal de votre propre labo.
Compare semaine et week-end
docker exec jupyter python3 steps/weekend.pyAffichée ici, non exécutée. Créez un compte gratuit pour appuyer sur Exécuter et la saisir dans le terminal de votre propre labo.
Exemple : ce que les deux Runs ont montré
| Groupe | Moyenne des locations par jour |
|---|---|
| Jours de soleil (sunny) | 312,2 |
| Jours nuageux (cloudy) | 267,0 |
| Jours de pluie (rainy) | 227,6 |
| Jours de semaine | 254,6 |
| Samedi et dimanche | 309,7 |
Les cellules que les étudiants remplissent restent vides dans cet aperçu.
Une erreur fréquente
Attention
Beaucoup pensent que la moyenne dit à elle seule ce qui est « normal ». Non : si une valeur est très éloignée, la moyenne s'en éloigne aussi. Compare toujours la moyenne et la médiane avant de conclure.
Pour aller plus loin : une question à toi
Ouvre JupyterLab depuis la page du lab, puis ouvre start.ipynb. Ajoute une cellule qui calcule la moyenne des locations pour chaque mois.
Quel mois est le plus chargé ? Pourquoi, à ton avis ? Une moyenne ne dit pas pourquoi, elle dit seulement quoi.