Aprendimos a crear tablas de frecuencia para variables cuantitativas con pd.cut y la regla de Sturges.
Aprendimos a crear tablas de frecuencia para variables cuantitativas con pd.cut y la regla de Sturges.
¡Hola Estudiante, espero que estés bien!
Parece que estás aprendiendo a crear tablas de frecuencia para variables cuantitativas usando pd.cut y la regla de Sturges en Python. Aquí te dejo un resumen de cómo podrías hacerlo:
Definir los límites de las clases: Puedes usar pd.cut para dividir tus datos en intervalos. Por ejemplo, si tienes una variable de ingresos, puedes definir los límites basados en salarios mínimos o cualquier otra métrica relevante.
Crear las clases y etiquetas: Define los intervalos (bins) y las etiquetas (labels) que describirán cada clase. Por ejemplo:
clases = [0, 1576, 3152, 7880, 200000]
labels = ['E', 'D', 'C', 'B', 'A']
Usar pd.cut para categorizar los datos: Utiliza pd.cut para asignar cada dato a una clase.
datos['clase_ingreso'] = pd.cut(datos['Ingreso'], bins=clases, labels=labels, include_lowest=True)
Calcular frecuencias absolutas y relativas: Usa value_counts para obtener las frecuencias absolutas y añade normalize=True para obtener las frecuencias relativas.
frecuencia = datos['clase_ingreso'].value_counts()
porcentaje = datos['clase_ingreso'].value_counts(normalize=True) * 100
Combinar los resultados en una tabla: Puedes combinar las frecuencias absolutas y relativas en un DataFrame para tener una visión completa.
tabla_frecuencia = pd.DataFrame({'Frecuencia': frecuencia, 'Porcentaje': porcentaje})
Aplicar la regla de Sturges: Si deseas calcular automáticamente los intervalos, puedes usar la regla de Sturges para determinar el número de clases.
import numpy as np
n = len(datos)
k = int(np.ceil(1 + 3.322 * np.log10(n)))
Este método te permitirá crear tablas de frecuencia detalladas y personalizadas para tus datos cuantitativos. Espero que esta explicación te sea útil. ¡Espero haber ayudado y buenos estudios!