Gennemsnit, median og typetal

Før du analyserer noget, spørger du, hvor dataene ligger. Et centrummål besvarer det med ét tal, der repræsenterer hele kolonnen. 🎯

Middelværdien lægger alle værdier sammen og dividerer med antallet af værdier. Det er balancepunktet i dine data, det klassiske gennemsnit, du allerede kender.

I pandas behøver du aldrig gennemløbe data for at beregne et gennemsnit. Ét metodekald på en kolonne giver dig middelværdien med det samme.

Én meget stor værdi kan trække middelværdien langt væk fra det sted, hvor de fleste punkter ligger. Middelværdien er følsom over for afvigere, så den viser ikke altid det reelle centrum.

Medianen er den værdi, der ligger præcis i midten, når du sorterer dataene. Halvdelen af punkterne ligger under den, og halvdelen ligger over.

Fordi den kun afhænger af placeringen, ændrer medianen sig næsten ikke, når der dukker en ekstrem værdi op. For skæve data som indkomst giver den ofte et mere retvisende billede.

Typetallet er ganske enkelt den værdi, der forekommer oftest. Det er det eneste centrummål, der også fungerer for tekstkategorier og ikke kun tal.

Data kan have flere værdier, der forekommer lige ofte, så du kan få to eller flere toppe. Derfor returnerer mode i pandas en Series og aldrig ét garanteret tal.

Når middelværdi og median ligger langt fra hinanden, er dine data skæve. En stor forskel er det første tegn på, at den ene hale trækker gennemsnittet ud.

Brug middelværdien til pæne, symmetriske data, medianen når der lurer afvigere, og typetallet til kategorier. Dataenes form afgør, hvad du bør vælge.

Du beregner sjældent disse mål hver for sig. Metoden describe giver dig middelværdi og mere for hver numerisk kolonne i én linje.

Nu kender du tre måder at finde centrum på: middelværdi til gennemsnittet, median til midten og typetal til den mest almindelige værdi. Tilpas værktøjet til dataenes form. 👏