Minimum, maximum et quartiles
Lire l’étendue et les percentiles
Minimum, maximum et quartiles est une leçon Data Science Academy gratuite sur CoddyKit. Ceci est la leçon 3 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Data Science Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Data Science Academy comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
The Edges of Your Data
Center and spread leave out the extremes. Knowing the smallest and largest values frames the range your data can possibly take. 🔭
Min and Max
The min is the lowest value and the max is the highest. They are your first guard against typos like a negative age or an impossible price.
df["age"].min(), df["age"].max()The Range
Subtract min from max and you get the range, the total width of your data. It is simple but easily wrecked by a single extreme value.
Splitting Sorted Data
Sort your values and cut them into four equal parts. The three cut points are your quartiles, and they describe the data far more robustly.
Q1, the First Quartile
The first quartile Q1 is the 25th percentile. One quarter of your values fall below it, marking the bottom of the bulk.
Q2 Is the Median
The second quartile Q2 is the 50th percentile, which is exactly the median you already met. Half the data sits on each side of it.
Q3, the Third Quartile
The third quartile Q3 is the 75th percentile. Three quarters of values fall below it, so only the top slice lies above.
Asking for a Percentile
The quantile method gives you any cut point you want. Pass 0.25 for Q1 or 0.75 for Q3 directly on a column.
df["score"].quantile(0.75)The Interquartile Range
Subtract Q1 from Q3 and you have the IQR, the spread of the middle half. It ignores the extremes, so outliers cannot inflate it.
The Five-Number Summary
Min, Q1, median, Q3, and max form the five-number summary. Together they sketch the full shape of a distribution in just five values.
Already in describe
You do not compute quartiles by hand. The describe output lists the 25, 50, and 75 percent rows for every numeric column.
df.describe()Quick Check
You want a spread measure that ignores extreme values entirely.
Recap: Range and Quartiles
You can now read the edges with min and max and the inner structure with quartiles and IQR. Five numbers describe a whole distribution. 📊
Questions Fréquemment Posées
La leçon « Minimum, maximum et quartiles » est-elle gratuite ?
Oui — le texte complet de « Minimum, maximum et quartiles » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Data Science Academy, passe à CoddyKit PRO. Le cours Data Science Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Minimum, maximum et quartiles » ?
Lire l’étendue et les percentiles Tu pratiques Data Science Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Data Science Academy ?
Aucune expérience préalable n'est requise. Data Science Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 3 sur 4.
Combien de temps prend la leçon « Minimum, maximum et quartiles » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Data Science Academy ?
Oui. Chaque leçon Data Science Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Moyenne, médiane et mode
- Dispersion : variance et écart type
- Minimum, maximum et quartiles
- Valeurs aberrantes et leur signification