データサイエンス機能

この章では、データサイエンスを操作するときに一般的に使用される、max（）、min（）、mean（）の3つの関数を示します。

スポーツウォッチデータセット

間隔	Average_Pulse	Max_Pulse	Calorie_Burnage	Hours_Work	Hours_Sleep
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

上記のデータセットは6つの変数で構成され、それぞれに10個の観測値があります。

期間-トレーニングセッションは何分で続きましたか？
Average_Pulse-トレーニングセッションの平均脈拍はどれくらいでしたか？これは1分あたりの拍数で測定されます
Max_Pulse-トレーニングセッションの最大脈拍は何でしたか？
Calorie_Burnage-トレーニングセッションでどのくらいのカロリーが消費されましたか？
Hours_Work-トレーニングセッションの前に、私たちは何時間仕事をしましたか？
Hours_Sleep-トレーニングセッションの前夜、どれくらい眠りましたか？

Pythonはスペースを区切り文字として読み取ることができないため、文字列を区切るためにアンダースコア（_）を使用します。

max（）関数

Pythonmax()関数は、配列内の最大値を見つけるために使用されます。

例

Average_pulse_max = max(80, 85, 90, 95, 100, 105, 110, 115, 120, 125)

print (Average_pulse_max)

min（）関数

Pythonmin()関数は、配列内の最小値を見つけるために使用されます。

例

Average_pulse_min = min(80, 85, 90, 95, 100, 105, 110, 115, 120, 125)

print (Average_pulse_min)

mean（）関数

NumPymean()関数は、配列の平均値を見つけるために使用されます。

例

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)

npと書きます。平均の前で、 Numpyライブラリから平均関数をアクティブ化することをPythonに通知します。

❮ 前次 ❯