知识卡片

普通读书笔记卡 · 6338.f

组内占比需验证总和

理解等级:中级

按year与sex分组后,用每个名字的births除以同组总和,比例的比较范围便固定在相同年度与类别内。计算后检查每组比例和近似为1,可以发现部分实现或数据错误;浮点误差使精确等于1不总是合适。这个检查不能证明原始数据完整、分组键正确或分母语义恰当。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • · 查看原书依据

      group['prop'] = births / births.sum() return group names = names.groupby(['year', 'sex']).apply(add_prop) 注意:由于births是整数,所以我们在计算分式时必须将分子或分母转换成浮点数(除非你正在使用Python 3!)。 图2-4:按性别和年度统计的总

    参考来源

    - 位置:《利用Python进行数据分析》第2章《1880-2010年间全美婴儿姓名》(spine259;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0245.html;u036-ch02-017)。 - 结论依据:原文在“group['prop'] = births / births.sum()”附近的定义、例子或代码支撑本卡核心说明:按year与sex分组后,用每个名字的births除以同组总和,比例的比较范围便固定在相同年度与类别内。边界按已读前提解释;示例未执行。 - 原始内容:group['prop'] = births / births.sum() return group names = names.groupby(['year', 'sex']).apply(add_prop) 注意:由于births是整数,所以我们在计算分式时必须将分子或分母转换成浮点数(除非你正在使用Python 3!)。 图2-4:按性别和年度统计的总