بتل کد Battle Codeدارد باز می‌شود…

جلسه‌ی 28: دسته‌بندی داده‌ها Grouping Data

وقتی داده‌ها زیاد و پراکنده‌اند، آن‌ها را دسته‌بندی می‌کنیم: دامنه‌ی تغییرات (بزرگ‌ترین داده منهای کوچک‌ترین) را پیدا می‌کنیم، تعداد دسته‌ها را انتخاب می‌کنیم و طول هر دسته را از تقسیم این دو به دست می‌آوریم. حدود هر دسته را مثل ⁦۱۴۵ ≤ x < ۱۵۰⁩ می‌نویسیم، فراوانی هر دسته را با چوب‌خط می‌شماریم و نمودار میله‌ای‌اش را می‌کشیم.

در این جلسه یاد می‌گیری

درس

قد بچه‌های کلاس. این‌ها قد ۲۶ دانش‌آموز است، به سانتی‌متر. جدول فراوانی و میله‌ها را با دسته‌های ۵ سانتی‌متری ببین. بعد طول دسته را عوض کن: با دسته‌های خیلی کوچک میله‌ها ریز و شلوغ می‌شوند و با دسته‌های خیلی بزرگ فقط یکی‌دو میله‌ی چاق می‌ماند. کدام طول، شکل داده‌ها را بهتر نشان می‌دهد؟

دامنه‌ی تغییرات. اول کوچک‌ترین و بزرگ‌ترین داده را پیدا کن. در قدهای بالا کوچک‌ترین ۱۴۰ و بزرگ‌ترین ۱۷۱ است؛ دامنه‌ی تغییرات = ⁦۱۷۱ − ۱۴۰ = ۳۱⁩. اگر ۷ دسته بخواهیم، ⁦۳۱ ÷ ۷⁩ حدود ⁦۴/۴⁩ است و آن را به عدد راحتِ بزرگ‌ترِ ۵ گرد می‌کنیم تا همه‌ی داده‌ها جا شوند. پس طول دسته تقریباً دامنه‌ی تغییرات ÷ تعداد دسته‌هاست.

حدود دسته. دسته‌ی ⁦۱۴۵ ≤ x < ۱۵۰⁩ یعنی قدهایی که ۱۴۵ یا بیشترند ولی از ۱۵۰ کمترند. پس ۱۴۵ در این دسته است، ولی ۱۵۰ نه؛ ۱۵۰ مال دسته‌ی بعدی است: ⁦۱۵۰ ≤ x < ۱۵۵⁩. این‌طوری هیچ داده‌ای در دو دسته نمی‌افتد و هیچ داده‌ای هم جا نمی‌ماند. دسته‌ی آخر را می‌شود بسته نوشت: ⁦۱۷۰ ≤ x ≤ ۱۷۵⁩.

جدول فراوانی و نمودار میله‌ای. زمان رسیدن ۲۰ دانش‌آموز به مدرسه (دقیقه) را در ۴ دسته گذاشته‌ایم. برای هر داده یک چوب‌خط کنار دسته‌اش می‌کشیم و چوب‌خط‌ها را می‌شماریم: این فراوانی هر دسته است. جمع فراوانی‌ها باید ⁦n = ۲۰⁩، یعنی تعداد همه‌ی داده‌ها، بشود. ارتفاع هر میله فراوانی دسته‌ی آن است: بیشترِ بچه‌ها ۱۰ تا ۲۰ دقیقه در راه‌اند.

کدام نمودار؟ نمودار میله‌ای برای مقایسه‌ی تعدادهاست (فراوانی دسته‌ها، گل‌های بازیکنان). نمودار خط شکسته تغییر یک چیز را در طول زمان نشان می‌دهد (دمای هوا ساعت به ساعت). نمودار دایره‌ای سهم هر بخش از یک کل را نشان می‌دهد (پول توجیبی چطور خرج شده). نمودار تصویری با شکل‌ها می‌شمارد.
اشتباه رایج: دسته‌هایی مثل ⁦۵ ≤ x ≤ ۱۰⁩ و ⁦۱۰ ≤ x ≤ ۱۵⁩ نوشتن؛ آن وقت ۱۰ در هر دو دسته می‌افتد. یا ⁦۵ ≤ x < ۱۰⁩ و ⁦۱۱ ≤ x < ۱۵⁩، که ۱۰ (و مثلاً ⁦۱۰/۵⁩) را جا می‌اندازد.

با پایتون (اختیاری): h // 5 * 5 ابتدای دسته‌ی هر قد را می‌دهد (مثلاً ⁦۱۵۷ → ۱۵۵⁩). برنامه هر داده را در دسته‌اش می‌شمارد و برایش با | چوب‌خط می‌کشد.

heights = [152, 147, 158, 163, 140, 155, 149, 160, 157, 151, 166, 145, 153, 159, 148, 156, 162, 150, 154, 143, 158, 171, 152, 146, 161, 155]
counts = {}
for h in heights:
    start = h // 5 * 5
    counts[start] = counts.get(start, 0) + 1
for start in sorted(counts):
    print(start, "<= x <", start + 5, "|" * counts[start], counts[start])

مثال‌های این جلسه

چالش‌ها

  1. Smallest, Largest, Range (آسان)
  2. In the Class (آسان)
  3. Basketball Points (متوسط)
  4. Pick the Chart (متوسط)
  5. A Good Grouping (سخت)
  6. From 150 to 160 (سخت)

بیشتر بخوان

← جلسه‌ی 27: خواص ضرب و تقسیم رادیکال‌ها جلسه‌ی 29: میانگین داده‌ها →