python排队论_绘制图表的重要性——基于Python从安斯库姆四重奏到等候排队理论的研究...

Anscombe’s quartet - 安斯库姆四重奏 是四组基本的统计特性一致的数据，但它们的分布却非常不同。

性质

数值

9

x的方差

11

y的平均数

7.50(精确到小数点后两位)

y的方差

4.122或4.127(精确到小数点后三位)

x与y之间的相关系数

0.816(精确到小数点后三位)

y=3.00+0.500x(分别精确到小数点后两位和三位)

让我们使用Python和seaborn库、Ciw库 etc. 来探索一下吧

引入库

import pandas as pd # Data manipulation

import ciw # The discrete event simulation library we will use to study queues

import matplotlib.pyplot as plt # Plots

import seaborn as sns # Powerful plots

from scipy import stats # Linear regression

import numpy as np # Quick summary statistics

import tqdm # A progress bar

缺少相应库使用pip install即可

加载Anscombe数据集

anscombe = sns.load_dataset("anscombe")

我们得到四组数据集，每组由11个(x, y)点构成：

dataset x y

0 I 10.0 8.04

1 I 8.0 6.95

2 I 13.0 7.58

3 I 9.0 8.81

4 I 11.0 8.33

5 I 14.0 9.96

6 I 6.0 7.24

7 I 4.0 4.26

8 I 12.0 10.84

9 I 7.0 4.82

10 I 5.0 5.68

11 II 10.0 9.14

12 II 8.0 8.14

13 II 13.0 8.74

14 II 9.0 8.77

15 II 11.0 9.26

16 II 14.0 8.10

17 II 6.0 6.13

18 II 4.0 3.10

19 II 12.0 9.13

20 II 7.0 7.26

21 II 5.0 4.74

22 III 10.0 7.46

23 III 8.0 6.77

24 III 13.0 12.74

25 III 9.0 7.11

26 III 11.0 7.81

27 III 14.0 8.84

28 III 6.0 6.08

29 III 4.0 5.39

30 III 12.0 8.15

31 III 7.0 6.42

32 III 5.0 5.73

33 IV 8.0 6.58

34 IV 8.0 5.76

35 IV 8.0 7.71

36 IV 8.0 8.84

37 IV 8.0 8.47

38 IV 8.0 7.04

39 IV 8.0 5.25

40 IV 19.0 12.50

41 IV 8.0 5.56

42 IV 8.0 7.91

43 IV 8.0 6.89

查看统计数据

anscombe.groupby("dataset").describe()

得到非常相近的结果

x y

dataset

I count 11.000000 11.000000

mean 9.000000 7.500909

std 3.316625 2.031568

min 4.000000 4.260000

25% 6.500000 6.315000

50% 9.000000 7.580000

75% 11.500000 8.570000