¿Cómo leo describe() de una columna: promedio contra mediana?
Lee lo que dice describe(): promedio contra mediana, cuartiles, mínimo y máximo, con cuatro preguntas que sirven para cualquier columna.
Curso gratis. Tu Maestro, una IA, .
El histograma te dio la forma de la duración. Para un reporte, o para comparar columnas rápido, también necesitas números. pandas los da todos juntos con describe(): cuántos valores hay, el promedio, la desviación estándar, el mínimo, los cuartiles y el máximo.
El riesgo es leer un solo número y creer que describe la columna. El más tentador es el promedio. Antes de ver el resumen de Rueda, una prueba chica con seis viajes inventados: cinco normales y uno que alguien olvidó cerrar.
Escribe qué crees que imprime el programa y por qué, antes de correrlo.
Escribe qué crees que imprime el programa y por qué, antes de correrlo.
Cinco viajes y uno olvidado
import pandas as pd
duraciones = pd.Series([12, 15, 18, 20, 22, 1450])
print("mediana:", duraciones.median())
print("promedio:", round(duraciones.mean(), 1))
Adivinar está bien: se guarda tal como la escribiste para compararla. Solo tú y tu Maestro ven tus predicciones.
En Rueda pasa lo mismo a otra escala. La duración promedio es de 34.04 minutos y la mediana de 19.1. Si quitas los tres viajes de más de 600 minutos, el promedio baja a 20.5 y la mediana apenas se mueve, a 19.05. Tres viajes de 303 cambian el promedio en más de diez minutos.
Por eso, cuando el promedio y la mediana están lejos, es una pista: algo en una de las colas jala el promedio. Aquí está en la derecha, como viste en el histograma. Para decir cuánto dura un viaje típico de Rueda, la mediana es más honesta; el promedio sigue sirviendo para otras cosas, como estimar los minutos totales de uso, pero no para describir un viaje.
Dos números más del resumen merecen una frase. Los cuartiles parten los valores ordenados en cuatro partes con el mismo número de viajes: el 25 % dice que una cuarta parte de los viajes dura menos de 13.8 minutos, y el 75 % que tres cuartas partes duran menos de 25.45. Entre los dos queda la mitad de en medio, la parte más estable de la columna, porque los extremos no la mueven. La desviación estándar (std) mide qué tan lejos del promedio suelen quedar los valores; como se calcula a partir del promedio, también la jalan los extremos. Cuando sale más grande que el promedio en una columna que no puede ser negativa, como una duración, casi siempre hay una cola larga.
Corre el resumen y léelo tú.
Corre describe() de la duración y fíjate en los dos números que más te sorprendan. Luego cambia la columna a anionacimiento y mira su mínimo y su máximo. Ya terminaste cuando tengas los dos resúmenes; abajo los lees con cuatro preguntas.
Corre describe() de la duración y fíjate en los dos números que más te sorprendan. Luego cambia la columna a anio_nacimiento y mira su mínimo y su máximo. Ya terminaste cuando tengas los dos resúmenes; abajo los lees con cuatro preguntas.
Ejecuta tu código para ver lo que imprime y el valor de su última expresión. Cada ejecución empieza de nuevo. Ctrl+Enter ejecuta tu código. Tab agrega sangría; para salir del editor, presiona Escape y luego Tab.
Listo para ejecutar tu código.
Ejecuta tu código para ver su salida aquí.
Datos: viajes-rueda, 311 filas
Enter guarda una celda y Escape la deja como estaba. Deja una celda vacía para un valor faltante.
| Fila | Quitar | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | ||||||||||
| 2 | ||||||||||
| 3 | ||||||||||
| 4 | ||||||||||
| 5 | ||||||||||
| 6 | ||||||||||
| 7 | ||||||||||
| 8 | ||||||||||
| 9 | ||||||||||
| 10 | ||||||||||
| 11 | ||||||||||
| 12 | ||||||||||
| 13 | ||||||||||
| 14 | ||||||||||
| 15 | ||||||||||
| 16 | ||||||||||
| 17 | ||||||||||
| 18 | ||||||||||
| 19 | ||||||||||
| 20 |
Cuatro preguntas para cualquier describe()
Ejemplo resuelto · 4 pasos
Este es el describe() de duracion_min: count 303, mean 34.04, std 135.80, min 0.3, 25 % 13.8, 50 % 19.1, 75 % 25.45, max 1452.6. ¿Qué te dice antes de ver cualquier gráfica?
Piensa el siguiente paso por tu cuenta y luego ábrelo para comparar.
Esas cuatro preguntas funcionan con cualquier columna numérica: cuántos valores, qué tan lejos están promedio y mediana, qué tan lejos quedan los extremos y si cada número tiene sentido para lo que mide.
Inténtalo: la distancia
Ahora te toca a ti con distancia_km. El código ya tiene el resumen. Completa la línea que cuenta los viajes de 0 km, quítale el # a las dos últimas líneas y contesta con las cuatro preguntas. Si algo del resumen no te cuadra, pregúntale a tu Maestro qué mirar.
Corre el resumen de la distancia. Completa la línea que cuenta los viajes de 0 km (cambia los ... por el número) y quítale el a las dos últimas líneas.
Corre el resumen de la distancia. Completa la línea que cuenta los viajes de 0 km (cambia los ... por el número) y quítale el # a las dos últimas líneas.
Ejecuta tu código para ver lo que imprime y el valor de su última expresión. Cada ejecución empieza de nuevo. Ctrl+Enter ejecuta tu código. Tab agrega sangría; para salir del editor, presiona Escape y luego Tab.
Listo para ejecutar tu código.
Ejecuta tu código para ver su salida aquí.
Datos: viajes-rueda, 311 filas
Enter guarda una celda y Escape la deja como estaba. Deja una celda vacía para un valor faltante.
| Fila | Quitar | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|
| 1 | ||||||||||
| 2 | ||||||||||
| 3 | ||||||||||
| 4 | ||||||||||
| 5 | ||||||||||
| 6 | ||||||||||
| 7 | ||||||||||
| 8 | ||||||||||
| 9 | ||||||||||
| 10 | ||||||||||
| 11 | ||||||||||
| 12 | ||||||||||
| 13 | ||||||||||
| 14 | ||||||||||
| 15 | ||||||||||
| 16 | ||||||||||
| 17 | ||||||||||
| 18 | ||||||||||
| 19 | ||||||||||
| 20 |
La distancia se comporta distinto: el promedio (2.26 km) y la mediana (2.28 km) casi coinciden, y el máximo, 6.53 km, no se aleja tanto. Es una columna sin extremos fuertes. Lo raro está en el otro lado: 32 viajes de exactamente 0 km. La descripción de la columna dice que es la distancia entre estaciones, así que un viaje que sale y vuelve a la misma estación mide 0 aunque haya recorrido la ciudad. Anótalo: el cero de esta columna no siempre quiere decir que la bici no se movió.
El resumen de anio_nacimiento tiene su propia sorpresa. Si no la encontraste, vuelve a mirar el mínimo antes de contestar la última pregunta.