วิเคราะห์ตัวแปรเดียว แล้วจึงสองตัวแปร
จากคอลัมน์เดี่ยวไปสู่ความสัมพันธ์
วิเคราะห์ตัวแปรเดียว แล้วจึงสองตัวแปร เป็นบทเรียน Data Science Academy ฟรีบน CoddyKit นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน คุณสามารถอ่านบทเรียนทั้งหมดด้านล่างฟรี — จากนั้นลองปฏิบัติด้วยตัวคุณเองในเบราว์เซอร์พร้อมตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7 บทเรียนนี้เป็นส่วนหนึ่งของเส้นทางการเรียน Data Science Academy และความก้าวหน้าของคุณจะซิงค์ข้ามเว็บและแอป CoddyKit คอร์ส Data Science Academy มีบทเรียนทั้งหมด 4 บทเรียน
เริ่มจากหนึ่งคอลัมน์ แล้วจึงสองคอลัมน์
EDA ที่ดีควรทำเป็นลำดับ ขั้นแรกทำความเข้าใจแต่ละคอลัมน์แยกกัน แล้วจึงศึกษาว่าคู่ของคอลัมน์เปลี่ยนแปลงไปด้วยกันอย่างไร เริ่มจากตัวแปรเดียวแล้วจบด้วยตัวแปรคู่ 📊
ความหมายของตัวแปรเดียว
การดูคอลัมน์เดียวโดยแยกออกมาเรียกว่าการวิเคราะห์ตัวแปรเดียว คุณจะพิจารณาว่าค่าทั่วไปเป็นอย่างไร และค่าต่าง ๆ กระจายตัวมากน้อยเพียงใด
ฮิสโตแกรมแสดงรูปแบบการกระจาย
สำหรับคอลัมน์ตัวเลขหนึ่งคอลัมน์ ฮิสโตแกรมจะแสดงรูปแบบการกระจาย เช่น รูประฆัง เบ้ หรือเป็นกลุ่ม ๆ รูปแบบนี้ช่วยบอกแนวทางการสร้างแบบจำลองในภายหลัง
df["age"].hist()แผนภูมิแท่งสำหรับหมวดหมู่
สำหรับคอลัมน์ป้ายกำกับหนึ่งคอลัมน์ แผนภูมิแท่งของ value_counts จะแสดงว่าหมวดหมู่ใดมีจำนวนมากและหมวดหมู่ใดพบได้น้อย
df["plan"].value_counts().plot.bar()ค่ากลางและการกระจาย
คอลัมน์ตัวเลขแต่ละคอลัมน์มีค่ากลาง เช่น ค่าเฉลี่ย และมีการกระจาย เช่น ส่วนเบี่ยงเบนมาตรฐาน ทั้งสองอย่างช่วยสรุปคอลัมน์นั้นด้วยตัวเลขสองค่า
ตอนนี้เปรียบเทียบสองคอลัมน์
เมื่อเข้าใจแต่ละคอลัมน์แยกกันแล้ว ให้ศึกษาคู่ของคอลัมน์ การวิเคราะห์ตัวแปรคู่จะถามว่าตัวแปรสองตัวเพิ่มขึ้นและลดลงไปด้วยกันหรือไม่
ตัวเลขเทียบกับตัวเลข
สำหรับคอลัมน์ตัวเลขสองคอลัมน์ แผนภาพกระจายจะแสดงว่าทั้งสองมีแนวโน้มไปด้วยกัน สวนทางกัน หรือกระจายโดยไม่มีความสัมพันธ์
df.plot.scatter(x="tenure", y="charges")หมวดหมู่เทียบกับตัวเลข
หากต้องการเปรียบเทียบตัวเลขระหว่างกลุ่ม ให้จัดกลุ่มแล้วสรุปผล ค่าเฉลี่ยแบบจัดกลุ่มจะแสดงความแตกต่างของค่าบริการตามแผนในบรรทัดเดียว
df.groupby("plan")["charges"].mean()หมวดหมู่เทียบกับหมวดหมู่
สำหรับคอลัมน์ป้ายกำกับสองคอลัมน์ crosstab จะนับทุกชุดผสม ทำให้คุณเห็นว่าคู่ใดมักปรากฏร่วมกัน
pd.crosstab(df["plan"], df["churn"])วัดความเชื่อมโยง
แผนภาพกระจายช่วยให้เห็นแนวโน้ม แต่ตัวเลขช่วยยืนยัน สหสัมพันธ์ระหว่างคอลัมน์ตัวเลขสองคอลัมน์จะวัดว่าทั้งสองเปลี่ยนแปลงไปด้วยกันแน่นแฟ้นเพียงใด
df["tenure"].corr(df["charges"])ค่อย ๆ สร้างการวิเคราะห์ตามลำดับ
การกระโดดไปดูความสัมพันธ์ก่อนทำความเข้าใจแต่ละคอลัมน์อาจทำให้มองข้ามข้อผิดพลาดได้ การทำตามลำดับที่เริ่มจากตัวแปรเดียวช่วยให้ข้อสรุปน่าเชื่อถือ
ตรวจสอบความเข้าใจ
คุณต้องการดูว่าคอลัมน์ตัวเลขสองคอลัมน์เปลี่ยนแปลงไปด้วยกันหรือไม่
สรุป: ทีละตัวแล้วจึงจับคู่
คุณสำรวจคอลัมน์เดียวด้วยฮิสโตแกรมและแผนภูมิแท่ง จากนั้นสำรวจคู่ของคอลัมน์ด้วยแผนภาพกระจาย การจัดกลุ่ม และสหสัมพันธ์ การทำตามลำดับช่วยให้ข้อค้นพบไม่คลาดเคลื่อน ✅
เรียนรู้ Python ด้วย AI tutor — ฟรี
เขียนและเรียกใช้โค้ดจริงในเบราว์เซอร์ของคุณ รับความช่วยเหลือทันทีจาก AI tutor 24/7 และเรียนรู้ต่อจากที่คุณหยุดบนเว็บหรือในแอป
- คอร์ส
- 30
- บทเรียน
- 120
คำถามที่พบบ่อย
บทเรียน “วิเคราะห์ตัวแปรเดียว แล้วจึงสองตัวแปร” ฟรีหรือไม่
ใช่ — ข้อความเต็มของ “วิเคราะห์ตัวแปรเดียว แล้วจึงสองตัวแปร” ฟรีให้อ่านที่นี่บนเว็บ เพื่อปฏิบัติแบบโต้ตอบ (ตัวแก้ไขโค้ดในตัวและติวเตอร์ AI ตลอด 24/7) และปลดล็อคส่วนที่เหลือของคอร์ส Data Science Academy ให้อัปเกรดเป็น CoddyKit PRO คอร์ส Data Science Academy มีบทเรียนทั้งหมด 4 บทเรียน
คุณจะเรียนรู้อะไรในบทเรียน “วิเคราะห์ตัวแปรเดียว แล้วจึงสองตัวแปร”
จากคอลัมน์เดี่ยวไปสู่ความสัมพันธ์ คุณปฏิบัติ Data Science Academy ด้วยโค้ดที่ใช้งานได้จริงที่คุณเรียกใช้โดยตรงในเบราว์เซอร์ และติวเตอร์ AI ตลอด 24/7 ตอบคำถามของคุณขณะที่คุณไปผ่านบทเรียน
คุณต้องมีประสบการณ์ก่อนที่จะเริ่มเรียน Data Science Academy หรือไม่
ไม่จำเป็นต้องมีประสบการณ์มาก่อน Data Science Academy บน CoddyKit ออกแบบมาสำหรับผู้เริ่มต้นไปจนถึงผู้เรียนขั้นสูง คุณสามารถเริ่มต้นที่นี่หรือเริ่มจากตัวแรกและเรียนด้วยความเร็วของคุณเอง นี่คือบทเรียนที่ 3 จากทั้งหมด 4 บทเรียน
บทเรียน “วิเคราะห์ตัวแปรเดียว แล้วจึงสองตัวแปร” ใช้เวลานานแค่ไหน
บทเรียน CoddyKit ส่วนใหญ่ใช้เวลาประมาณ 5–10 นาที แต่ละบทเรียนจึงสั้นและเป็นแบบโต้ตอบ คุณสามารถก้าวหน้าอย่างต่อเนื่องและกลับมาเรียนต่อจากตรงที่เพิ่งหยุดบนเว็บและแอปได้เลย
ฉันเขียนและรันโค้ดในบทเรียน Data Science Academy นี้ได้ไหม
ได้ บทเรียน Data Science Academy ทุกบทมีตัวแก้ไขโค้ดในตัว คุณจึงเขียนและรันโค้ดจริงได้เลยในเบราว์เซอร์ และได้รับข้อเสนอแนะจาก AI ในทันที — ไม่ต้องติดตั้งในเครื่องของคุณ
บทเรียนทั้งหมดในหลักสูตรนี้
- ตั้งคำถามให้ชัดเจนก่อน
- สำรวจทุกคอลัมน์
- วิเคราะห์ตัวแปรเดียว แล้วจึงสองตัวแปร
- จดบันทึกสิ่งที่ค้นพบ