| ](../../sketchnotes/03-DefiningData.png)|
| ](../../sketchnotes/03-DefiningData.png)|
|:---:|
|Ορισμός Δεδομένων - _Σκίτσο από [@nitya](https://twitter.com/nitya)_ |
|Ορισμός Δεδομένων - _Σχεδιάγραμμα από [@nitya](https://twitter.com/nitya)_ |
Τα δεδομένα είναι γεγονότα, πληροφορίες, παρατηρήσεις και μετρήσεις που χρησιμοποιούνται γιανα γίνουν ανακαλύψεις και να υποστηριχθούν τεκμηριωμένες αποφάσεις. Ένα σημείο δεδομένων είναι μια μονάδα δεδομένων μέσα σε ένα σύνολο δεδομένων, το οποίο είναι μια συλλογή σημείων δεδομένων. Τα σύνολα δεδομένων μπορεί να έχουν διαφορετικές μορφές και δομές και συνήθως βασίζονται στην πηγή τους ή στο πού προέρχονται τα δεδομένα. Για παράδειγμα, τα μηνιαία κέρδη μιας εταιρείας μπορεί ναβρίσκονται σε ένα υπολογιστικό φύλλο, ενώ τα δεδομένα καρδιακού ρυθμού ανά ώρα από ένα smartwatch μπορεί να είναι σε μορφή [JSON](https://stackoverflow.com/a/383699). Είναι συνηθισμένο για τους επιστήμονες δεδομένων να εργάζονται με διαφορετικούς τύπους δεδομένων μέσα σε ένα σύνολο δεδομένων.
Δεδομένα είναι γεγονότα, πληροφορίες, παρατηρήσεις και μετρήσεις που χρησιμοποιούνται γιατην πραγματοποίηση ανακαλύψεων και την υποστήριξη ενημερωμένων αποφάσεων. Ένα σημείο δεδομένων είναι μια μονάδα δεδομένων μέσα σε ένα σύνολο δεδομένων, το οποίο είναι μια συλλογή σημείων δεδομένων. Τα σύνολα δεδομένων μπορεί να έχουν διαφορετικές μορφές και δομές, και συνήθως βασίζονται στην πηγή τους, ή από πού προήλθαν τα δεδομένα. Για παράδειγμα, τα μηνιαία κέρδη μιας εταιρείας μπορεί ναείναι σε υπολογιστικό φύλλο αλλά τα δεδομένα καρδιακού ρυθμού ανά ώρα από ένα smartwatch μπορεί να είναι σε μορφή [JSON](https://stackoverflow.com/a/383699). Είναι κοινό οι επιστήμονες δεδομένων να εργάζονται με διαφορετικούς τύπους δεδομένων μέσα σε ένα σύνολο δεδομένων.
Αυτό το μάθημα επικεντρώνεται στον εντοπισμό και την ταξινόμηση των δεδομένων βάσει των χαρακτηριστικών και των πηγών τους.
Τα ακατέργαστα δεδομένα είναι δεδομένα που προέρχονται από την πηγή τους στην αρχική τους κατάσταση και δεν έχουν αναλυθεί ή οργανωθεί. Για να κατανοήσουμε τι συμβαίνει με ένα σύνολο δεδομένων, πρέπει να οργανωθεί σε μια μορφή που να είναι κατανοητή από τους ανθρώπους καθώς και από την τεχνολογία που μπορεί να χρησιμοποιηθεί για περαιτέρω ανάλυση. Η δομή ενός συνόλου δεδομένων περιγράφει πώς είναι οργανωμένο και μπορεί να ταξινομηθεί ως δομημένο, μη δομημένο και ημι-δομημένο. Αυτοί οι τύποι δομής θα διαφέρουν ανάλογα με την πηγή, αλλά τελικά θα ενταχθούν σε αυτές τις τρεις κατηγορίες.
Τα ακατέργαστα δεδομένα είναι δεδομένα που προέρχονται από την πηγή τους στην αρχική τους κατάσταση και δεν έχουν αναλυθεί ή οργανωθεί. Για να κατανοήσουμε τι συμβαίνει με ένα σύνολο δεδομένων, πρέπει να οργανωθεί σε μια μορφή που μπορεί να γίνει κατανοητή τόσο από ανθρώπους όσο και από την τεχνολογία που μπορεί να χρησιμοποιηθεί για περαιτέρω ανάλυση. Η δομή ενός συνόλου δεδομένων περιγράφει πώς είναι οργανωμένο και μπορεί να ταξινομηθεί σε δομημένα, αδόμητα και ημιδομημένα. Αυτοί οι τύποι δομής ποικίλλουν ανάλογα με την πηγή αλλά εντάσσονται σε αυτές τις τρεις κατηγορίες.
### Ποσοτικά Δεδομένα
Τα ποσοτικά δεδομένα είναι αριθμητικές παρατηρήσεις μέσα σε ένα σύνολο δεδομένων και μπορούν συνήθως να αναλυθούν, να μετρηθούν και να χρησιμοποιηθούν μαθηματικά. Μερικά παραδείγματα ποσοτικών δεδομένων είναι: ο πληθυσμός μιας χώρας, το ύψος ενός ατόμου ή τα τριμηνιαία κέρδη μιας εταιρείας. Με κάποια επιπλέον ανάλυση, τα ποσοτικά δεδομένα θα μπορούσαν να χρησιμοποιηθούν γιανα ανακαλυφθούν εποχιακές τάσεις του Δείκτη Ποιότητας Αέρα (AQI) ή να εκτιμηθεί η πιθανότητα κυκλοφοριακής αιχμής σε μια τυπική εργάσιμη ημέρα.
Τα ποσοτικά δεδομένα είναι αριθμητικές παρατηρήσεις μέσα σε ένα σύνολο δεδομένων και συνήθως μπορούννα αναλυθούν, να μετρηθούν και να χρησιμοποιηθούν μαθηματικά. Μερικά παραδείγματα ποσοτικών δεδομένων είναι: ο πληθυσμός μιας χώρας, το ύψος ενός ατόμου ή τα τριμηνιαία κέρδη μιας εταιρείας. Με περαιτέρω ανάλυση, τα ποσοτικά δεδομένα μπορούν να χρησιμοποιηθούν για την ανακάλυψη εποχιακών τάσεων του Δείκτη Ποιότητας Αέρα (AQI) ή για την εκτίμηση της πιθανότητας κίνησης αιχμής σε μια τυπική εργάσιμη ημέρα.
### Ποιοτικά Δεδομένα
Τα ποιοτικά δεδομένα, γνωστά και ως κατηγοριοποιημένα δεδομένα, είναι δεδομένα που δεν μπορούν να μετρηθούν αντικειμενικά όπως οι παρατηρήσεις ποσοτικών δεδομένων. Γενικά είναι διάφορες μορφές υποκειμενικών δεδομένων που καταγράφουν την ποιότητα κάτι, όπως ενός προϊόντος ή μιας διαδικασίας. Μερικές φορές, τα ποιοτικά δεδομένα είναι αριθμητικά αλλά δεν χρησιμοποιούνται συνήθως μαθηματικά, όπως οι αριθμοί τηλεφώνου ή οι χρονικές σημάνσεις. Μερικά παραδείγματα ποιοτικών δεδομένων είναι: σχόλια βίντεο, η μάρκα και το μοντέλο ενός αυτοκινήτου ή το αγαπημένο χρώμα των πιο κοντινών σας φίλων. Τα ποιοτικά δεδομένα θα μπορούσαν να χρησιμοποιηθούν γιανα κατανοηθεί ποια προϊόντα προτιμούν περισσότερο οι καταναλωτές ή για την αναγνώριση δημοφιλών λέξεων-κλειδιών σε βιογραφικά αιτήσεων εργασίας.
Τα ποιοτικά δεδομένα, γνωστά και ως κατηγορικά δεδομένα, είναι δεδομένα που δεν μπορούν να μετρηθούν αντικειμενικά όπως οι παρατηρήσεις ποσοτικών δεδομένων. Είναι γενικά διάφορες μορφές υποκειμενικών δεδομένων που αποτυπώνουν την ποιότητα κάτι, όπως ενός προϊόντος ή μιας διαδικασίας. Μερικές φορές, τα ποιοτικά δεδομένα είναι αριθμητικά αλλά συνήθως δεν χρησιμοποιούνται μαθηματικά, όπως αριθμοί τηλεφώνου ή χρονικές σημάνσεις. Παραδείγματα ποιοτικών δεδομένων είναι: σχόλια βίντεο, η μάρκα και το μοντέλο ενός αυτοκινήτου ή το αγαπημένο χρώμα των πιο στενών φίλων σου. Τα ποιοτικά δεδομένα μπορούν να βοηθήσουν στην κατανόηση των προτιμήσεων των καταναλωτών ή στον εντοπισμό δημοφιλών λέξεων-κλειδιών σε βιογραφικά αιτήσεων εργασίας.
### Δομημένα Δεδομένα
Τα δομημένα δεδομένα είναι δεδομένα που είναι οργανωμένα σε σειρές και στήλες, όπου κάθε σειρά θα έχει το ίδιο σύνολο στηλών. Οι στήλες αντιπροσωπεύουν μια τιμή ενός συγκεκριμένου τύπου και θα προσδιορίζονται με ένα όνομα που περιγράφει τι αντιπροσωπεύει η τιμή, ενώ οι σειρές περιέχουν τις πραγματικές τιμές. Οι στήλες συχνά έχουν ένα συγκεκριμένο σύνολο κανόνων ή περιορισμών στις τιμές, γιανα διασφαλιστεί ότι οι τιμές αντιπροσωπεύουν με ακρίβεια τη στήλη. Για παράδειγμα, φανταστείτε ένα υπολογιστικό φύλλο πελατών όπου κάθε σειρά πρέπει να έχει έναν αριθμό τηλεφώνου και οι αριθμοί τηλεφώνου δεν περιέχουν αλφαβητικούς χαρακτήρες. Μπορεί να υπάρχουν κανόνες που εφαρμόζονται στη στήλη αριθμού τηλεφώνου γιανα διασφαλιστεί ότι δεν είναι ποτέ κενή και περιέχει μόνο αριθμούς.
Τα δομημένα δεδομένα είναι δεδομένα οργανωμένα σε σειρές και στήλες, όπου κάθε σειρά έχει το ίδιο σύνολο στηλών. Οι στήλες αντιπροσωπεύουν μια τιμή συγκεκριμένου τύπου και ταυτοποιούνται με ένα όνομα που περιγράφει τα δεδομένα, ενώ οι σειρές περιέχουν τις πραγματικές τιμές. Οι στήλες συχνά έχουν συγκεκριμένους κανόνες ή περιορισμούς στις τιμές, γιανα διασφαλιστεί ότι οι τιμές αντιπροσωπεύουν σωστά τη στήλη. Για παράδειγμα, φαντάσου ένα υπολογιστικό φύλλο πελατών όπου κάθε σειρά πρέπει να έχει έναν αριθμό τηλεφώνου και οι αριθμοί τηλεφώνου δεν περιλαμβάνουν ποτέ αλφαβητικούς χαρακτήρες. Μπορεί να υπάρχουν κανόνες για τη στήλη του τηλεφώνου που να διασφαλίζουν ότι δεν είναι ποτέ κενή και περιέχει μόνο αριθμούς.
Ένα πλεονέκτημα των δομημένων δεδομένων είναι ότι μπορούν να οργανωθούν με τέτοιο τρόπο ώστε να σχετίζονται με άλλα δομημένα δεδομένα. Ωστόσο, επειδή τα δεδομένα έχουν σχεδιαστεί γιανα είναι οργανωμένα με συγκεκριμένο τρόπο, η αλλαγή της συνολικής δομής τους μπορεί να απαιτήσει μεγάλη προσπάθεια. Για παράδειγμα, η προσθήκη μιας στήλης email στο υπολογιστικό φύλλο πελατών που δεν μπορεί να είναι κενή σημαίνει ότι θα πρέπει να βρείτε πώς θα προσθέσετε αυτές τις τιμές στις υπάρχουσες σειρές πελατών στο σύνολο δεδομένων.
Ένα πλεονέκτημα των δομημένων δεδομένων είναι ότι μπορούν να οργανωθούν με τέτοιο τρόπο ώστε να σχετίζονται με άλλα δομημένα δεδομένα. Ωστόσο, επειδή τα δεδομένα είναι σχεδιασμένα να οργανώνονται με συγκεκριμένο τρόπο, οι αλλαγές στη συνολική τους δομή μπορεί να απαιτούν σημαντική προσπάθεια. Για παράδειγμα, η προσθήκη μίας στήλης email στο υπολογιστικό φύλλο πελατών που δεν μπορεί να είναι κενή σημαίνει ότι πρέπει να βρεις πώς θα προσθέσεις αυτές τις τιμές στις υπάρχουσες σειρές πελατών στο σύνολο δεδομένων.
Ταμη δομημένα δεδομένα συνήθως δεν μπορούν να κατηγοριοποιηθούν σε σειρές ή στήλες και δεν περιέχουν μορφή ή σύνολο κανόνων γιανα ακολουθήσουν. Επειδή τα μη δομημένα δεδομένα έχουν λιγότερους περιορισμούς στη δομή τους, είναι ευκολότερονα προστεθούν νέες πληροφορίες σε σύγκριση με ένα δομημένο σύνολο δεδομένων. Εάν ένας αισθητήρας που καταγράφει δεδομένα για την βαρομετρική πίεση κάθε 2 λεπτά έχει λάβει μια ενημέρωση που του επιτρέπει τώρανα μετρά και να καταγράφει τη θερμοκρασία, δεν απαιτείται τροποποίηση των υπαρχόντων δεδομένων εάν είναι μη δομημένα. Ωστόσο, αυτό μπορεί να κάνει την ανάλυση ή τη διερεύνηση αυτού του τύπου δεδομένων να διαρκεί περισσότερο. Για παράδειγμα, ένας επιστήμονας που θέλει να βρει τη μέση θερμοκρασία του προηγούμενου μήνα από τα δεδομένα του αισθητήρα, αλλά ανακαλύπτει ότι ο αισθητήρας κατέγραψε ένα "e" σε ορισμένα από τα δεδομένα τουγιανα σημειώσει ότι ήταν χαλασμένος αντί για έναν τυπικό αριθμό, πράγμα που σημαίνει ότι τα δεδομένα είναι ελλιπή.
### Αδόμητα Δεδομένα
Τααδόμητα δεδομένα συνήθως δεν μπορούν να κατηγοριοποιηθούν σε σειρές ή στήλες και δεν έχουν μορφή ή σύνολο κανόνων προς ακολούθηση. Επειδή τα αδόμητα δεδομένα έχουν λιγότερους περιορισμούς στη δομή τους, είναι πιο εύκολονα προστεθούν νέες πληροφορίες σε σύγκριση με ένα δομημένο σύνολο δεδομένων. Αν ένας αισθητήρας που καταγράφει δεδομένα βαρομετρικής πίεσης κάθε 2 λεπτά λάβει μια ενημέρωση που του επιτρέπει να μετρά και να καταγράφει τη θερμοκρασία, δεν απαιτείται αλλαγή στα υπάρχοντα δεδομένα αν είναι αδόμητα. Ωστόσο, αυτό μπορεί να κάνει την ανάλυση ή την έρευνα αυτού του τύπου δεδομένων να διαρκέσει περισσότερο. Για παράδειγμα, ένας επιστήμονας που θέλει να βρει τη μέση θερμοκρασία του προηγούμενου μήνα από τα δεδομένα των αισθητήρων αλλά διαπιστώνει ότι ο αισθητήρας κατέγραψε ένα "e" σε μερικά δεδομέναγιανα σημειώσει ότι ήταν χαλασμένος αντί για έναν τυπικό αριθμό, που σημαίνει ότι τα δεδομένα είναι ελλιπή.
Παραδείγματα μη δομημένων δεδομένων: αρχεία κειμένου, μηνύματα κειμένου, αρχεία βίντεο
Τα ημι-δομημένα δεδομένα έχουν χαρακτηριστικά που τα καθιστούν συνδυασμό δομημένων και μη δομημένων δεδομένων. Συνήθως δεν συμμορφώνονται με μια μορφή σειρών και στηλών αλλά είναι οργανωμένα με τρόπο που θεωρείται δομημένος και μπορεί να ακολουθεί μια σταθερή μορφή ή ένα σύνολο κανόνων. Η δομή θα διαφέρει μεταξύ των πηγών, όπως μια καλά καθορισμένη ιεραρχία ή κάτι πιο ευέλικτο που επιτρέπει την εύκολη ενσωμάτωση νέων πληροφοριών. Τα μεταδεδομένα είναι δείκτες που βοηθούν να αποφασιστεί πώς οργανώνονται και αποθηκεύονται τα δεδομένα και θα έχουν διάφορα ονόματα, ανάλογα με τον τύπο των δεδομένων. Μερικά κοινά ονόματα για μεταδεδομένα είναι ετικέτες, στοιχεία, οντότητες και χαρακτηριστικά. Για παράδειγμα, ένα τυπικό μήνυμα ηλεκτρονικού ταχυδρομείου θα έχει θέμα, σώμα και ένα σύνολο παραληπτών και μπορεί να οργανωθεί ανάλογα με το ποιος ή πότε στάλθηκε.
### Ημιδομημένα Δεδομένα
Τα ημιδομημένα δεδομένα έχουν χαρακτηριστικά που τα καθιστούν συνδυασμό δομημένων και αδόμητων δεδομένων. Συνήθως δεν ακολουθούν τη μορφή σειρών και στηλών αλλά είναι οργανωμένα με τρόπο που θεωρείται δομημένος και μπορεί να ακολουθούν μια σταθερή μορφή ή σύνολο κανόνων. Η δομή διαφέρει μεταξύ πηγών, από μια καλά ορισμένη ιεραρχία έως κάτι πιο ευέλικτο που επιτρέπει την εύκολη ενσωμάτωση νέων πληροφοριών. Τα μεταδεδομένα είναι δείκτες που βοηθούν στην απόφαση του πώς οργανώνονται και αποθηκεύονται τα δεδομένα και έχουν διάφορα ονόματα, ανάλογα με τον τύπο των δεδομένων. Μερικά κοινά ονόματα των μεταδεδομένων είναι ετικέτες, στοιχεία, οντότητες και χαρακτηριστικά. Για παράδειγμα, ένα τυπικό email έχει θέμα, σώμα και σύνολο παραληπτών και μπορεί να οργανωθεί με βάση τον αποστολέα ή τον χρόνο αποστολής.
Μια πηγή δεδομένων είναι η αρχική τοποθεσία από την οποία δημιουργήθηκαν τα δεδομένα ή όπου "ζουν" και θα διαφέρει ανάλογα με το πώς και πότε συλλέχθηκαν. Τα δεδομένα που δημιουργούνται από τους χρήστες τους είναι γνωστά ως πρωτογενή δεδομένα, ενώ τα δευτερογενή δεδομένα προέρχονται από μια πηγή που έχει συλλέξει δεδομένα για γενική χρήση. Για παράδειγμα, μια ομάδα επιστημόνων που συλλέγει παρατηρήσεις σε ένα τροπικό δάσος θα θεωρούνταν πρωτογενής πηγή και αν αποφασίσουν να τα μοιραστούν με άλλους επιστήμονες, θα θεωρούνταν δευτερογενή για αυτούς που τα χρησιμοποιούν.
Μια πηγή δεδομένων είναι η αρχική τοποθεσία όπου δημιουργήθηκαν τα δεδομένα ή όπου "φιλοξενούνται" και διαφέρει ανάλογα με τον τρόπο και τον χρόνο συλλογής τους. Τα δεδομένα που παράγονται από τους χρήστες τους ονομάζονται πρωτογενή δεδομένα ενώ τα δευτερογενή δεδομένα προέρχονται από πηγές που έχουν συλλέξει δεδομένα για γενική χρήση. Για παράδειγμα, μια ομάδα επιστημόνων που συλλέγει παρατηρήσεις σε τροπικό δάσος θεωρείται πρωτογενής και αν αποφασίσουν να το μοιραστούν με άλλους επιστήμονες, γίνεται δευτερογενές για όσους το χρησιμοποιούν.
Οι βάσεις δεδομένων είναι μια κοινή πηγή και βασίζονται σε ένα σύστημα διαχείρισης βάσεων δεδομένων για τη φιλοξενία και τη συντήρηση των δεδομένων, όπου οι χρήστες χρησιμοποιούν εντολές που ονομάζονται ερωτήματα γιανα εξερευνήσουν τα δεδομένα. Τα αρχεία ως πηγές δεδομένων μπορεί να είναι αρχεία ήχου, εικόνας και βίντεο καθώς και υπολογιστικά φύλλα όπως το Excel. Οι πηγές του διαδικτύου είναι μια κοινή τοποθεσία για τη φιλοξενία δεδομένων, όπου μπορούν να βρεθούν βάσεις δεδομένων καθώς και αρχεία. Οι διεπαφές προγραμματισμού εφαρμογών, γνωστές και ως APIs, επιτρέπουν στους προγραμματιστές να δημιουργούν τρόπους γιανα μοιράζονται δεδομένα με εξωτερικούς χρήστες μέσω του διαδικτύου, ενώ η διαδικασία εξαγωγής δεδομένων από μια ιστοσελίδα ονομάζεται web scraping. Τα [μαθήματα στην Εργασία με Δεδομένα](../../../../../../../../../2-Working-With-Data) επικεντρώνονται στο πώς να χρησιμοποιείτε διάφορες πηγές δεδομένων.
Οι βάσεις δεδομένων είναι κοινή πηγή και βασίζονται σε συστήματα διαχείρισης βάσεων δεδομένων για τη φιλοξενία και τη συντήρηση των δεδομένων, όπου οι χρήστες χρησιμοποιούν εντολές που ονομάζονται ερωτήματα γιανα εξερευνήσουν τα δεδομένα. Τα αρχεία ως πηγές δεδομένων μπορεί να είναι αρχεία ήχου, εικόνας, βίντεο καθώς και υπολογιστικά φύλλα όπως το Excel. Το διαδίκτυο είναι μια συνηθισμένη τοποθεσία φιλοξενίας δεδομένων, όπου βρίσκονται τόσο βάσεις δεδομένων όσο και αρχεία. Τα API (Διεπαφές Προγραμματισμού Εφαρμογών) επιτρέπουν στους προγραμματιστές να δημιουργούν τρόπους γιατην κοινή χρήση δεδομένων με εξωτερικούς χρήστες μέσω του ίντερνετ, ενώ η διαδικασία web scraping εξάγει δεδομένα από μια ιστοσελίδα. Τα [μαθήματα στο Working with Data](../../../../../../../../../2-Working-With-Data) εστιάζουν στο πώς να χρησιμοποιούν διάφορες πηγές δεδομένων.
## Συμπέρασμα
@ -55,22 +54,26 @@
## 🚀 Πρόκληση
Το Kaggle είναι μια εξαιρετική πηγή ανοιχτών συνόλων δεδομένων. Χρησιμοποιήστε το [εργαλείο αναζήτησης συνόλων δεδομένων](https://www.kaggle.com/datasets) γιανα βρείτε μερικά ενδιαφέροντα σύνολα δεδομένων και να ταξινομήσετε 3-5 σύνολα δεδομένων με αυτά τα κριτήρια:
Το Kaggle είναι μια εξαιρετική πηγή ανοιχτών συνόλων δεδομένων. Χρησιμοποίησε το [εργαλείο αναζήτησης συνόλων δεδομένων](https://www.kaggle.com/datasets) γιανα βρεις ενδιαφέροντα σύνολα δεδομένων και ταξινόμησε 3-5 σύνολα με αυτά τα κριτήρια:
- Είναι τα δεδομένα ποσοτικά ή ποιοτικά;
- Είναι τα δεδομένα δομημένα, μη δομημένα ή ημι-δομημένα;
- Είναι τα δεδομένα δομημένα, αδόμητα ή ημιδομημένα;
## [Κουίζ μετά τη διάλεξη](https://ff-quizzes.netlify.app/en/ds/quiz/5)
## Ανασκόπηση & Αυτομελέτη
## Ανασκόπηση & Αυτοεκμάθηση
- Αυτή η ενότητα του Microsoft Learn, με τίτλο [Ταξινόμηση των Δεδομένων σας](https://docs.microsoft.com/en-us/learn/modules/choose-storage-approach-in-azure/2-classify-data) έχει μια λεπτομερή ανάλυση των δομημένων, ημι-δομημένων και μη δομημένων δεδομένων.
- Αυτή η ενότητα του Microsoft Learn, με τίτλο [Identify data formats](https://learn.microsoft.com/en-us/training/modules/explore-core-data-concepts/2-data-formats?pivots=text) έχει λεπτομερή ανάλυση των δομημένων, ημιδομημένων, και αδόμητων δεδομένων.
## Εργασία
## Άσκηση
[Ταξινόμηση Συνόλων Δεδομένων](assignment.md)
---
**Αποποίηση Ευθύνης**:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Αποποίηση ευθυνών**:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία μετάφρασης με τεχνητή νοημοσύνη [Co-op Translator](https://github.com/Azure/co-op-translator). Ενώ επιδιώκουμε την ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.
"Σε αυτό το σημειωματάριο, θα ασχοληθούμε με μερικές από τις έννοιες που έχουμε συζητήσει προηγουμένως. Πολλές έννοιες από την πιθανότητα και τη στατιστική είναι καλά εκπροσωπημένες σε μεγάλες βιβλιοθήκες για επεξεργασία δεδομένων στην Python, όπως οι `numpy` και `pandas`.\n"
"# Εισαγωγή στην Πιθανότητα και τα Στατιστικά\n",
"Σε αυτό το σημειωματάριο, θα πειραματιστούμε με μερικές από τις έννοιες που έχουμε συζητήσει προηγουμένως. Πολλές έννοιες από την πιθανότητα και τα στατιστικά εκπροσωπούνται καλά σε μεγάλες βιβλιοθήκες για την επεξεργασία δεδομένων στην Python, όπως οι `numpy` και `pandas`.\n"
]
},
{
@ -25,7 +25,7 @@
"metadata": {},
"source": [
"## Τυχαίες Μεταβλητές και Κατανομές\n",
"Ας ξεκινήσουμε παίρνοντας ένα δείγμα 30 τιμών από μια ομοιόμορφη κατανομή από 0 έως 9. Θα υπολογίσουμε επίσης μέση τιμή και διακύμανση.\n"
"Ας ξεκινήσουμε παίρνοντας ένα δείγμα 30 τιμών από μια ομοιόμορφη κατανομή από 0 έως 9. Θα υπολογίσουμε επίσης τη μέση τιμή και τη διασπορά.\n"
]
},
{
@ -63,7 +63,7 @@
"source": [
"## Ανάλυση Πραγματικών Δεδομένων\n",
"\n",
"Ο μέσος όρος και η διασπορά είναι πολύ σημαντικά όταν αναλύουμε δεδομένα από τον πραγματικό κόσμο. Ας φορτώσουμε τα δεδομένα σχετικά με παίκτες του μπέιζμπολ από το [SOCR MLB Height/Weight Data](http://wiki.stat.ucla.edu/socr/index.php/SOCR_Data_MLB_HeightsWeights)\n"
"Ο μέσος όρος και η διακύμανση είναι πολύ σημαντικοί κατά την ανάλυση δεδομένων από τον πραγματικό κόσμο. Ας φορτώσουμε τα δεδομένα σχετικά με τους παίκτες του μπέιζμπολ από το [SOCR MLB Height/Weight Data](http://wiki.stat.ucla.edu/socr/index.php/SOCR_Data_MLB_HeightsWeights)\n"
]
},
{
@ -80,7 +80,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"> Χρησιμοποιούμε ένα πακέτο που ονομάζεται [**Pandas**](https://pandas.pydata.org/) εδώ για ανάλυση δεδομένων. Θα μιλήσουμε περισσότερα για τα Pandas και τη δουλειά με δεδομένα σε Python αργότερα σε αυτό το μάθημα.\n",
"> Χρησιμοποιούμε ένα πακέτο που ονομάζεται [**Pandas**](https://pandas.pydata.org/) εδώ για ανάλυση δεδομένων. Θα μιλήσουμε περισσότερα για το Pandas και τη δουλειά με δεδομένα στην Python αργότερα σε αυτό το μάθημα.\n",
"\n",
"Ας υπολογίσουμε μέσες τιμές για την ηλικία, το ύψος και το βάρος:\n"
]
@ -98,7 +98,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Τώρα ας επικεντρωθούμε στο ύψος και να υπολογίσουμε την τυπική απόκλιση και την διασπορά:\n"
"Τώρα ας εστιάσουμε στο ύψος και ας υπολογίσουμε την τυπική απόκλιση και την διακύμανση: \n"
]
},
{
@ -126,7 +126,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Εκτός από τον μέσο όρο, έχει νόημα να δούμε την διάμεσο τιμή και τα τεταρτημόρια. Μπορούν να απεικονιστούν χρησιμοποιώντας ένα **διάγραμμα κουτιού**:\n"
"Εκτός από τον μέσο όρο, έχει νόημα να δούμε την διάμεσο και τα τεταρτημόρια. Αυτά μπορούν να απεικονιστούν χρησιμοποιώντας ένα **διάγραμμα κουτιού**:\n"
"Μπορούμε επίσης να δημιουργήσουμε διαγράμματα κουτιού για υποσύνολα του συνόλου δεδομένων μας, για παράδειγμα, ομαδοποιημένα κατά ρόλο παίκτη.\n"
"Μπορούμε επίσης να δημιουργήσουμε διαγράμματα κουτιών υποσυνόλων του συνόλου δεδομένων μας, για παράδειγμα, ομαδοποιημένα κατά ρόλο παίκτη.\n"
]
},
{
@ -165,9 +165,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"> **Σημείωση**: Αυτό το διάγραμμα υποδηλώνει, ότι κατά μέσο όρο, τα ύψη των πρώτων baseman είναι υψηλότερα από τα ύψη των δευτέρων baseman. Αργότερα θα μάθουμε πώς μπορούμε να δοκιμάσουμε αυτή την υπόθεση πιο επίσημα, και πώς να αποδείξουμε ότι τα δεδομένα μας είναι στατιστικά σημαντικά γιανα το δείξουν. \n",
"> **Σημείωση**: Αυτό το διάγραμμα υποδεικνύει ότι, κατά μέσο όρο, τα ύψη των πρώτων βάσεων είναι μεγαλύτερα από τα ύψη των δεύτερων βάσεων. Αργότερα θα μάθουμε πώς μπορούμε να εξετάσουμε αυτή την υπόθεση πιο επίσημα, και πώς να αποδείξουμε ότι τα δεδομένα μας είναι στατιστικά σημαντικά γιανα το δείξουν. \n",
"\n",
"Η ηλικία, το ύψος και το βάρος είναι όλες συνεχείς τυχαίες μεταβλητές. Τι πιστεύετε ότι είναι η κατανομή τους; Ένας καλός τρόπος να το ανακαλύψετε είναι να σχεδιάσετε το ιστόγραμμα των τιμών: \n"
"Η ηλικία, το ύψος και το βάρος είναι όλα συνεχείς τυχαίες μεταβλητές. Τι πιστεύετε ότι είναι η κατανομή τους; Ένας καλός τρόποςγιανα το ανακαλύψετε είναι να σχεδιάσετε το ιστόγραμμα των τιμών: \n"
]
},
{
@ -190,7 +190,7 @@
"source": [
"## Κανονική Κατανομή\n",
"\n",
"Ας δημιουργήσουμε ένα τεχνητό δείγμα βαρών που ακολουθεί μια κανονική κατανομή με τον ίδιο μέσο όρο και διακύμανση με τα πραγματικά μας δεδομένα:\n"
"Ας δημιουργήσουμε ένα τεχνητό δείγμα βαρών που ακολουθεί μια κανονική κατανομή με τον ίδιο μέσο όρο και διακύμανση όπως τα πραγματικά μας δεδομένα:\n"
]
},
{
@ -231,7 +231,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Δεδομένου ότι οι περισσότερες τιμές στην πραγματική ζωή ακολουθούν κανονική κατανομή, δεν θα πρέπει να χρησιμοποιούμε γεννήτρια τυχαίων αριθμών ομοιόμορφης κατανομής για τη δημιουργία δειγματικών δεδομένων. Να τι συμβαίνει αν προσπαθήσουμε να δημιουργήσουμε βάρη με ομοιόμορφη κατανομή (που παράγεται από το `np.random.rand`):\n"
"Δεδομένου ότι οι περισσότερες τιμές στην πραγματική ζωή κατανέμονται κανονικά, δεν θα πρέπει να χρησιμοποιούμε έναν ομοιόμορφο γεννήτρια τυχαίων αριθμών γιανα δημιουργήσουμε δείγματα δεδομένων. Αυτό συμβαίνει αν προσπαθήσουμε να δημιουργήσουμε βάρη με ομοιόμορφη κατανομή (παράγεται από `np.random.rand`):\n"
]
},
{
@ -253,7 +253,7 @@
"source": [
"## Διαστήματα Εμπιστοσύνης\n",
"\n",
"Ας υπολογίσουμε τώρα διαστήματα εμπιστοσύνης για τα βάρη και τα ύψη των παικτών του μπέιζμπολ. Θα χρησιμοποιήσουμε τον κώδικα [από αυτή τη συζήτηση στο stackoverflow](https://stackoverflow.com/questions/15033511/compute-a-confidence-interval-from-sample-data):\n"
"Ας υπολογίσουμε τώρα τα διαστήματα εμπιστοσύνης για τα βάρη και τα ύψη των παικτών του μπέιζμπολ. Θα χρησιμοποιήσουμε τον κώδικα [από αυτή τη συζήτηση στο stackoverflow](https://stackoverflow.com/questions/15033511/compute-a-confidence-interval-from-sample-data):\n"
]
},
{
@ -272,7 +272,7 @@
" return m, h\n",
"\n",
"for p in [0.85, 0.9, 0.95]:\n",
" m, h = mean_confidence_interval(df['Weight'].fillna(method='pad'),p)\n",
" m, h = mean_confidence_interval(df['Weight'].ffill(),p)\n",
" print(f\"p={p:.2f}, mean = {m:.2f} ± {h:.2f}\")"
]
},
@ -280,7 +280,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"## Δοκιμή Υπόθεσης\n",
"## Έλεγχος Υποθέσεων\n",
"\n",
"Ας εξερευνήσουμε διαφορετικούς ρόλους στο σύνολο δεδομένων παικτών μπέιζμπολ μας:\n"
]
@ -298,7 +298,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Ας ελέγξουμε την υπόθεση ότι οι παίκτες πρώτης βάσης είναι ψηλότεροι από τους παίκτες δεύτερης βάσης. Ο απλούστερος τρόπος γιανα το κάνουμε αυτό είναι να ελέγξουμε τα διαστήματα εμπιστοσύνης:\n"
"Ας δοκιμάσουμε την υπόθεση ότι οι Πρώτοι Βασικοί είναι ψηλότεροι από τους Δεύτερους Βασικούς. Ο απλούστερος τρόποςνα το κάνουμε αυτό είναι να ελέγξουμε τα διαστήματα εμπιστοσύνης:\n"
]
},
{
@ -317,9 +317,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Μπορούμε να δούμε ότι τα διαστήματα δεν επικαλύπτονται.\n",
"Μπορούμε να δούμε ότι τα διαστήματα δεν αλληλεπικαλύπτονται.\n",
"\n",
"Ένας στατιστικά πιο σωστός τρόπος να αποδείξουμε την υπόθεση είναι να χρησιμοποιήσουμε ένα **Student t-test**:\n"
"Ένας στατιστικά πιο σωστός τρόπος γιανα αποδείξουμε την υπόθεση είναι να χρησιμοποιήσουμε ένα **Student t-test**:\n"
]
},
{
@ -338,18 +338,18 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Οι δύο τιμές που επιστρέφονται από τη συνάρτηση `ttest_ind` είναι: \n",
"* η τιμή p μπορεί να θεωρηθεί ως η πιθανότητα δύο κατανομών να έχουν τον ίδιο μέσο όρο. Στη δική μας περίπτωση, είναι πολύ χαμηλή, που σημαίνει ότι υπάρχουν ισχυρές αποδείξεις που υποστηρίζουν ότι οι πρώτοι δι baseman είναι πιο ψηλοί. \n",
"* η τιμή t είναι η ενδιάμεση τιμή της ομαλοποιημένης διαφοράς μέσων όρων που χρησιμοποιείται στο t-test, και συγκρίνεται με μια τιμή κατωφλίουγια μια δεδομένη τιμή εμπιστοσύνης.\n"
"Οι δύο τιμές που επιστρέφει η συνάρτηση `ttest_ind` είναι:\n",
"* η τιμή p μπορεί να θεωρηθεί ως η πιθανότητα δύο κατανομών να έχουν τον ίδιο μέσο όρο. Στη δική μας περίπτωση, είναι πολύ χαμηλή, που σημαίνει ότι υπάρχουν ισχυρές αποδείξεις που υποστηρίζουν ότι οι παίκτες στη θέση του πρώτου βάσης είναι ψηλότεροι.\n",
"* η τιμή t είναι η ενδιάμεση τιμή της κανονικοποιημένης διαφοράς μέσων όρων που χρησιμοποιείται στο t-test, και συγκρίνεται με μια κατώτατη τιμή για μια δεδομένη τιμή εμπιστοσύνης.\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"## Προσομοίωση Κανονικής Κατανομής με το Κεντρικό Οριακό Θεώρημα\n",
"## Προσομοίωση Κανονικής Κατανομής με το Θεώρημα Κεντρικού Ορίου\n",
"\n",
"Ο ψευδοτυχαίος γεννήτορας στην Python έχει σχεδιαστεί γιανα μας δίνει μια ομοιόμορφη κατανομή. Αν θέλουμε να δημιουργήσουμε έναν γεννήτορα για κανονική κατανομή, μπορούμε να χρησιμοποιήσουμε το κεντρικό οριακό θεώρημα. Για να πάρουμε μια τυπικώς κατανεμημένη τιμή, απλώς θα υπολογίσουμε τον μέσο όρο ενός δείγματος που έχει δημιουργηθεί ομοιόμορφα.\n"
"Ο ψευδοτυχαίος γεννήτορας στην Python έχει σχεδιαστεί γιανα μας δίνει μια ομοιόμορφη κατανομή. Αν θέλουμε να δημιουργήσουμε έναν γεννήτορα για κανονική κατανομή, μπορούμε να χρησιμοποιήσουμε το θεώρημα κεντρικού ορίου. Για να πάρουμε μια τιμή με κανονική κατανομή, απλά θα υπολογίσουμε το μέσο όρο ενός δείγματος παραγόμενου ομοιόμορφα.\n"
]
},
{
@ -373,9 +373,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"## Συσχέτιση και η Εταιρεία Κακού Μπέιζμπολ\n",
"## Συσχέτιση και Κακόβουλη Εταιρεία Μπέιζμπολ\n",
"\n",
"Η συσχέτιση μας επιτρέπει να βρίσκουμε σχέσεις μεταξύ ακολουθιών δεδομένων. Στο παράδειγμα παιχνιδιού μας, ας υποθέσουμε ότι υπάρχει μια κακή εταιρεία μπέιζμπολ που πληρώνει τους παίκτες της ανάλογα με το ύψος τους - όσο πιο ψηλός είναι ο παίκτης, τόσα περισσότερα χρήματα παίρνει. Ας υποθέσουμε ότι υπάρχει ένας βασικός μισθός των $1000, και ένα επιπλέον μπόνους από $0 έως $100, ανάλογα με το ύψος. Θα πάρουμε τους πραγματικούς παίκτες από το MLB και θα υπολογίσουμε τους φανταστικούς μισθούς τους:\n"
"Η συσχέτιση μας επιτρέπει να βρούμε σχέσεις ανάμεσα σε ακολουθίες δεδομένων. Στο παράδειγμα παιχνιδιού μας, ας υποθέσουμε ότι υπάρχει μια κακόβουλη εταιρεία μπέιζμπολ που πληρώνει τους παίκτες της ανάλογα με το ύψος τους - όσο πιο ψηλός είναι ο παίκτης, τόσα περισσότερα χρήματα παίρνει. Ας υποθέσουμε ότι υπάρχει ένας βασικός μισθός $1000, και ένα επιπλέον μπόνους από $0 έως $100, ανάλογα με το ύψος. Θα πάρουμε τους πραγματικούς παίκτες από το MLB και θα υπολογίσουμε τα φανταστικά τους μισθούς:\n"
"Ας υπολογίσουμε τώρα τη συνδιακύμανση και τη συσχέτιση αυτών των ακολουθιών. Η `np.cov` θα μας δώσει τον λεγόμενο **πίνακα συνδιακύμανσης**, που είναι μια επέκταση της συνδιακύμανσης σε πολλαπλές μεταβλητές. Το στοιχείο $M_{ij}$ του πίνακα συνδιακύμανσης $M$ είναι η συνδιακύμανση μεταξύ των εισερχόμενων μεταβλητών $X_i$ και $X_j$, και οι διαγώνιες τιμές $M_{ii}$ είναι η διακύμανση του $X_{i}$. Ομοίως, η `np.corrcoef` θα μας δώσει τον **πίνακα συσχέτισης**.\n"
"Ας υπολογίσουμε τώρα τη συνδιακύμανση και τη συσχέτιση αυτών των ακολουθιών. Η `np.cov` θα μας δώσει έναν λεγόμενο **πίνακα συνδιακύμανσης**, που είναι μια επέκταση της συνδιακύμανσης σε πολλαπλές μεταβλητές. Το στοιχείο $M_{ij}$ του πίνακα συνδιακύμανσης $M$ είναι η συσχέτιση μεταξύ των εισαγόμενων μεταβλητών $X_i$ και $X_j$, και οι διαγώνιες τιμές $M_{ii}$ είναι η διασπορά του $X_{i}$. Παρομοίως, η `np.corrcoef` θα μας δώσει τον **πίνακα συσχέτισης**.\n"
]
},
{
@ -447,7 +447,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Σε αυτή την περίπτωση, η συσχέτιση είναι λίγο μικρότερη, αλλά εξακολουθεί να είναι αρκετά υψηλή. Τώρα, γιανα κάνουμε τη σχέση ακόμη λιγότερο προφανή, ίσως θέλουμε να προσθέσουμε λίγη επιπλέον τυχαιότητα προσθέτοντας κάποια τυχαία μεταβλητή στον μισθό. Ας δούμε τι συμβαίνει:\n"
"Σε αυτή την περίπτωση, η συσχέτιση είναι ελαφρώς μικρότερη, αλλά εξακολουθεί να είναι αρκετά υψηλή. Τώρα, γιανα κάνουμε τη σχέση ακόμα λιγότερο προφανή, ίσως θελήσουμε να προσθέσουμε λίγη επιπλέον τυχαιότητα προσθέτοντας μια τυχαία μεταβλητή στον μισθό. Ας δούμε τι συμβαίνει:\n"
]
},
{
@ -476,9 +476,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"> Μπορείτε να μαντέψετε γιατί οι κουκκίδες ευθυγραμμίζονται σε κατακόρυφες γραμμές σαν αυτές;\n",
"> Μπορείς να μαντέψεις γιατί οι κουκκίδες ευθυγραμμίζονται σε κάθετες γραμμές έτσι;\n",
"\n",
"Έχουμε παρατηρήσει τη συσχέτιση μεταξύ μιας τεχνητά δημιουργημένης έννοιας όπως ο μισθός και της παρατηρούμενης μεταβλητής *ύψος*. Ας δούμε επίσης ανοι δύο παρατηρούμενες μεταβλητές, όπως το ύψος και το βάρος, συσχετίζονται επίσης:\n"
"Έχουμε παρατηρήσει τη συσχέτιση μεταξύ μιας τεχνητά δημιουργημένης έννοιας όπως ο μισθός και της παρατηρούμενης μεταβλητής *ύψος*. Ας δούμε επίσης ανκαι οι δύο παρατηρούμενες μεταβλητές, όπως το ύψος και το βάρος, συσχετίζονται:\n"
]
},
{
@ -494,11 +494,11 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Δυστυχώς, δεν λάβαμε κανένα αποτέλεσμα - μόνο κάποιες παράξενες τιμές `nan`. Αυτό οφείλεται στο γεγονός ότι μερικές από τις τιμές στη σειρά μας είναι απροσδιόριστες, παρουσιάζονται ως `nan`, γεγονός που προκαλεί το αποτέλεσμα της πράξης να είναι επίσης απροσδιόριστο. Κοιτώντας τον πίνακα μπορούμε να δούμε ότι η στήλη `Weight` είναι το πρόβλημα, επειδή έχει υπολογιστεί η αυτο-συσχέτιση μεταξύ των τιμών του `Height`.\n",
"Δυστυχώς, δεν λάβαμε κανένα αποτέλεσμα - μόνο μερικές παράξενες τιμές `nan`. Αυτό οφείλεται στο γεγονός ότι μερικές από τις τιμές στη σειρά μας είναι απροσδιόριστες, αναπαριστώμενες ως `nan`, γεγονός που προκαλεί το αποτέλεσμα της πράξης να είναι επίσης απροσδιόριστο. Κοιτάζοντας τον πίνακα μπορούμε να δούμε ότι η στήλη `Weight` είναι το πρόβλημα, γιατί έχει υπολογιστεί η αυτοσυσχέτιση μεταξύ των τιμών `Height`.\n",
"\n",
"> Αυτό το παράδειγμα δείχνει τη σημασία της **προετοιμασίας δεδομένων** και του **καθαρισμού**. Χωρίς κατάλληλα δεδομένα δεν μπορούμε να υπολογίσουμε τίποτα.\n",
"> Αυτό το παράδειγμα δείχνει τη σημασία της **προετοιμασίας** και **καθαρισμού** δεδομένων. Χωρίς κατάλληλα δεδομένα δεν μπορούμε να υπολογίσουμε τίποτα.\n",
"\n",
"Ας χρησιμοποιήσουμε τη μέθοδο `fillna` γιανα συμπληρώσουμε τις ελλείπουσες τιμές και να υπολογίσουμε τη συσχέτιση:\n"
"Ας χρησιμοποιήσουμε τη μέθοδο `fillna` γιανα συμπληρώσουμε τις χαμένες τιμές και να υπολογίσουμε τη συσχέτιση:\n"
"Πράγματι υπάρχει συσχέτιση, αλλά όχι τόσο ισχυρή όσο στο τεχνητό μας παράδειγμα. Πράγματι, αν κοιτάξουμε το διάγραμμα διασποράς μιας τιμής σε σχέση με την άλλη, η σχέση θα ήταν πολύ λιγότερο προφανής:\n"
"Υπάρχει όντως μια συσχέτιση, αλλά όχι τόσο ισχυρή όσο στο τεχνητό μας παράδειγμα. Πράγματι, αν κοιτάξουμε το διάγραμμα διασποράς μιας τιμής σε σχέση με την άλλη, η σχέση θα ήταν πολύ λιγότερο προφανής:\n"
]
},
{
@ -537,14 +537,14 @@
"source": [
"## Συμπέρασμα\n",
"\n",
"Σε αυτό το σημειωματάριο μάθαμε πώς να εκτελούμε βασικές λειτουργίες σε δεδομένα γιανα υπολογίσουμε στατιστικές συναρτήσεις. Τώρα ξέρουμε πώς να χρησιμοποιούμε ένα αξιόπιστο εργαλείο μαθηματικών και στατιστικής προκειμένου να αποδείξουμε ορισμένες υποθέσεις, και πώς να υπολογίζουμε διαστήματα εμπιστοσύνης για αυθαίρετες μεταβλητές δεδομένου ενός δείγματος δεδομένων.\n"
"Σε αυτό το σημειωματάριο μάθαμε πώς να εκτελούμε βασικές λειτουργίες σε δεδομένα γιανα υπολογίσουμε στατιστικές συναρτήσεις. Τώρα γνωρίζουμε πώς να χρησιμοποιούμε έναν αξιόπιστο μηχανισμό μαθηματικών και στατιστικών προκειμένου να αποδείξουμε κάποιες υποθέσεις, και πώς να υπολογίζουμε διαστήματα εμπιστοσύνης για αυθαίρετες μεταβλητές δεδομένου ενός δείγματος δεδομένων.\n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"---\n\n<!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Αποποίηση ευθυνών**:\nΑυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης AI [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που επιδιώκουμε την ακρίβεια, παρακαλούμε να λάβετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη γλώσσα του θεωρείται η επίσημη πηγή. Για κρίσιμες πληροφορίες, συνιστάται η επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη γιαοποιεσδήποτε παρανοήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.\n<!-- CO-OP TRANSLATOR DISCLAIMER END -->\n"
"---\n\n<!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Αποποίηση ευθυνών**:\nΑυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία μετάφρασης με τεχνητή νοημοσύνη [Co-op Translator](https://github.com/Azure/co-op-translator). Ενώ επιδιώκουμε την ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη γιατυχόν παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.\n<!-- CO-OP TRANSLATOR DISCLAIMER END -->\n"
"Θα χρησιμοποιήσουμε δεδομένα γιατα άτομα μολυσμένα από τον COVID-19, που παρέχονται από το [Center for Systems Science and Engineering](https://systems.jhu.edu/) (CSSE) στο [Johns Hopkins University](https://jhu.edu/). Το σύνολο δεδομένων είναι διαθέσιμο σε [αυτό το Αποθετήριο GitHub](https://github.com/CSSEGISandData/COVID-19).\n"
"Θα χρησιμοποιήσουμε δεδομένα γιαάτομα μολυσμένα με COVID-19, που παρέχονται από το [Center for Systems Science and Engineering](https://systems.jhu.edu/) (CSSE) στο [Johns Hopkins University](https://jhu.edu/). Το σύνολο δεδομένων είναι διαθέσιμο στο [this GitHub Repository](https://github.com/CSSEGISandData/COVID-19).\n"
]
},
{
@ -27,7 +27,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Μπορούμε να φορτώσουμε τα πιο πρόσφατα δεδομένα απευθείας από το GitHub χρησιμοποιώντας `pd.read_csv`. Ανγια κάποιο λόγο τα δεδομένα δεν είναι διαθέσιμα, μπορείτε πάντα να χρησιμοποιήσετε το αντίγραφο που είναι διαθέσιμο τοπικά στον φάκελο `data` - απλά αποσχολιάστε τη γραμμή παρακάτω που ορίζει το `base_url`:\n"
"Μπορούμε να φορτώσουμε τα πιο πρόσφατα δεδομένα απευθείας από το GitHub χρησιμοποιώντας το `pd.read_csv`. Ανγια οποιονδήποτε λόγο τα δεδομένα δεν είναι διαθέσιμα, μπορείτε πάντα να χρησιμοποιήσετε τοπικά το αντίγραφο που υπάρχει στον φάκελο `data` - απλώς αποσχολιάστε τη γραμμή παρακάτω που ορίζει το `base_url`:\n"
]
},
{
@ -48,7 +48,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Ας φορτώσουμε τώρα τα δεδομένα για τα μολυσμένα άτομα και να δούμε πώς φαίνονται τα δεδομένα:\n"
"Ας φορτώσουμε τώρα τα δεδομένα για τα μολυσμένα άτομα και ας δούμε πώς φαίνεται η δεδομένα:\n"
]
},
{
@ -265,7 +265,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Μπορούμε να δούμε ότι κάθε γραμμή του πίνακα ορίζει τον αριθμό των μολυσμένων ατόμων για κάθε χώρα και/ή επαρχία, και οι στήλες αντιστοιχούν σε ημερομηνίες. Παρόμοιοι πίνακες μπορούν να φορτωθούν για άλλα δεδομένα, όπως ο αριθμός των αναρρωσάντων και ο αριθμός των θανάτων.\n"
"Μπορούμε να δούμε ότι κάθε γραμμή του πίνακα ορίζει τον αριθμό των μολυσμένων ατόμων για κάθε χώρα και/ή επαρχία, και οι στήλες αντιστοιχούν σε ημερομηνίες. Παρόμοιοι πίνακες μπορούν να φορτωθούν για άλλα δεδομένα, όπως ο αριθμός των ανάρρωσαντων και ο αριθμός των θανάτων.\n"
]
},
{
@ -282,9 +282,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"## Κατανόηση των Δεδομένων\n",
"## Ερμηνεύοντας τα Δεδομένα\n",
"\n",
"Από τον παραπάνω πίνακαο ρόλος της στήλης επαρχίας δεν είναι σαφής. Ας δούμε τις διαφορετικές τιμές που υπάρχουν στη στήλη `Province/State`:\n"
"Από τον πίνακα παραπάνω,ο ρόλος της στήλης επαρχίας δεν είναι σαφής. Ας δούμε τις διαφορετικές τιμές που υπάρχουν στη στήλη `Province/State`:\n"
]
},
{
@ -322,7 +322,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Από τα ονόματα μπορούμε να συμπεράνουμε ότι χώρες όπως η Αυστραλία και η Κίνα έχουν πιο λεπτομερή ανάλυση ανά επαρχίες. Ας αναζητήσουμε πληροφορίες για την Κίνα γιανα δούμε το παράδειγμα:\n"
"Από τα ονόματα μπορούμε να συμπεράνουμε ότι χώρες όπως η Αυστραλία και η Κίνα έχουν πιο λεπτομερή ανάλυση κατά επαρχίες. Ας ψάξουμε πληροφορίες για την Κίνα γιανα δούμε το παράδειγμα:\n"
]
},
{
@ -1323,7 +1323,7 @@
"source": [
"## Προεπεξεργασία των Δεδομένων \n",
"\n",
"Δεν ενδιαφερόμαστε να χωρίσουμε τις χώρες σε περαιτέρω εδάφη, επομένως αρχικά θα απαλλαγούμε από αυτή τη διάσπαση και θα προσθέσουμε τις πληροφορίες για όλα τα εδάφη μαζί, γιανα πάρουμε πληροφορίες για ολόκληρη τη χώρα. Αυτό μπορεί να γίνει χρησιμοποιώντας το `groupby`:\n"
"Δεν μας ενδιαφέρει να διαχωρίσουμε τις χώρες σε περαιτέρω περιοχές, οπότε πρώτα θα απαλλαγούμε από αυτή τη διαίρεση και θα προσθέσουμε πληροφορίες για όλες τις περιοχές συνολικά, γιανα πάρουμε πληροφορίες για ολόκληρη τη χώρα. Αυτό μπορεί να γίνει χρησιμοποιώντας το `groupby`:\n"
]
},
{
@ -1578,7 +1578,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Μπορείτε να δείτε ότι λόγω της χρήσης του `groupby` όλα τα DataFrame έχουν τώρα ευρετήριο κατά Χώρα/Περιοχή. Έτσι μπορούμε να έχουμε πρόσβαση στα δεδομένα για μια συγκεκριμένη χώρα χρησιμοποιώντας το `.loc`:|\n"
"Μπορείτε να δείτε ότι λόγω της χρήσης του `groupby`, όλα τα DataFrames τώρα ευρετηριάζονται κατά Χώρα/Περιοχή. Έτσι μπορούμε να προσπελάσουμε τα δεδομένα για μια συγκεκριμένη χώρα χρησιμοποιώντας το `.loc`:|\n"
]
},
{
@ -1607,7 +1607,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"> **Σημείωση** πώς χρησιμοποιούμε το `[3:]` γιανα αφαιρέσουμε τα πρώτα τρία στοιχεία μιας ακολουθίας που περιέχουν μη-ημερομηνιακά μεταδεδομένα (τις στήλες Επαρχίας/Πολιτείας και γεωγραφικής θέσης). Μπορούμε επίσης να απορρίψουμε εντελώς αυτές τις τρεις στήλες:\n"
"> **Σημείωση** πώς χρησιμοποιούμε το `[3:]` γιανα αφαιρέσουμε τα πρώτα τρία στοιχεία μιας ακολουθίας που περιέχουν μεταδεδομένα μη ημερομηνία (τις στήλες Επαρχία/Πολιτεία και γεωτοποθεσία). Μπορούμε επίσης να απορρίψουμε αυτές τις τρεις στήλες συνολικά:\n"
]
},
{
@ -1625,9 +1625,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"## Διερεύνηση των Δεδομένων\n",
"## Εξέταση των Δεδομένων\n",
"\n",
"Ας περάσουμε τώρα στη διερεύνηση μιας συγκεκριμένης χώρας. Ας δημιουργήσουμε ένα πλαίσιο που περιέχει τα δεδομένα για τις λοιμώξεις με δείκτη την ημερομηνία:\n"
"Ας περάσουμε τώρα στην εξέταση μιας συγκεκριμένης χώρας. Ας δημιουργήσουμε ένα πλαίσιο που περιέχει τα δεδομένα για τις μολύνσεις ταξινομημένα κατά ημερομηνία:\n"
]
},
{
@ -1793,7 +1793,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Τώρα ας υπολογίσουμε τον αριθμό των νέων μολυσμένων ατόμων κάθε μέρα. Αυτό θα μας επιτρέψει να δούμε την ταχύτητα με την οποία εξελίσσεται η πανδημία. Η πιο εύκολη μέρα γιανα το κάνουμε είναι να χρησιμοποιήσουμε το `diff`:\n"
"Τώρα ας υπολογίσουμε τον αριθμό των νέων μολυσμένων ανθρώπων κάθε μέρα. Αυτό θα μας επιτρέψει να δούμε την ταχύτητα με την οποία εξελίσσεται η πανδημία. Ο πιο εύκολος τρόποςνα το κάνουμε είναι να χρησιμοποιήσουμε το `diff`:\n"
]
},
{
@ -1823,7 +1823,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Μπορούμε να δούμε μεγάλες διακυμάνσεις στα δεδομένα. Ας κοιτάξουμε πιο προσεκτικά έναν από τους μήνες:\n"
"Μπορούμε να δούμε μεγάλες διακυμάνσεις στα δεδομένα. Ας ρίξουμε μια πιο προσεκτική ματιά σε έναν από τους μήνες:\n"
]
},
{
@ -1852,7 +1852,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Φαίνεται καθαρά ότι υπάρχουν εβδομαδιαίες διακυμάνσεις στα δεδομένα. Επειδή θέλουμε να μπορούμε να δούμε τις τάσεις, είναι λογικόνα εξομαλύνουμε την καμπύλη υπολογίζοντας τον κινητό μέσο όρο (δηλαδή για κάθε ημέρα θα υπολογίσουμε τη μέση τιμή των προηγούμενων αρκετών ημερών):\n"
"Φαίνεται ξεκάθαρα ότι υπάρχουν εβδομαδιαίες διακυμάνσεις στα δεδομένα. Επειδή θέλουμε να μπορούμε να δούμε τις τάσεις, έχει νόημανα εξομαλύνουμε την καμπύλη υπολογίζοντας τον κινητό μέσο όρο (δηλαδή για κάθε μέρα θα υπολογίσουμε τη μέση τιμή των προηγούμενων αρκετών ημερών):\n"
]
},
{
@ -1882,7 +1882,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Για να μπορέσουμε να συγκρίνουμε αρκετές χώρες, ίσως θέλουμε να λάβουμε υπόψη τον πληθυσμό της χώρας και να συγκρίνουμε το ποσοστό των μολυσμένων ατόμων σε σχέση με τον πληθυσμό της χώρας. Για ναλάβουμε τον πληθυσμό της χώρας, ας φορτώσουμε το σύνολο δεδομένων με τις χώρες:\n"
"Για να μπορέσουμε να συγκρίνουμε αρκετές χώρες, ίσως θέλουμε να λάβουμε υπόψη τον πληθυσμό της χώρας και να συγκρίνουμε το ποσοστό των μολυσμένων ατόμων σε σχέση με τον πληθυσμό της χώρας. Για ναπάρουμε τον πληθυσμό της χώρας, ας φορτώσουμε το σύνολο δεδομένων των χωρών:\n"
]
},
{
@ -2153,7 +2153,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Επειδή αυτό το σύνολο δεδομένων περιέχει πληροφορίες τόσο για χώρες όσο και για επαρχίες, γιανα πάρουμε τον πληθυσμό ολόκληρης της χώρας πρέπει να είμαστε λίγο πιο έξυπνοι:\n"
"Επειδή αυτό το σύνολο δεδομένων περιέχει πληροφορίες τόσο για χώρες όσο και για επαρχίες, γιανα πάρουμε τον πληθυσμό ολόκληρης της χώρας πρέπει να είμαστε λίγο πιο έξυπνοι:\n"
]
},
{
@ -2261,14 +2261,15 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"\n",
"## Υπολογισμός του $R_t$\n",
"\n",
"Για να δούμε πόσο μεταδοτική είναι η ασθένεια, κοιτάμε τον **βασικό αριθμό αναπαραγωγής** $R_0$, που υποδεικνύει τον αριθμό των ατόμων που θα μολύνει περαιτέρω ένα μολυσμένο άτομο. Όταν το $R_0$ είναι μεγαλύτερο από 1, η επιδημία είναι πιθανό να εξαπλωθεί.\n",
"Για να δούμε πόσο μολυσματική είναι η ασθένεια, κοιτάμε τον **βασικό αριθμό αναπαραγωγής** $R_0$, ο οποίος δείχνει τον αριθμό των ανθρώπων που θα μολύνει περαιτέρω ένα μολυσμένο άτομο. Όταν το $R_0$ είναι μεγαλύτερο από 1, η επιδημία είναι πιθανό να εξαπλωθεί.\n",
"\n",
"Το $R_0$ είναι ιδιότητα της ίδιας της ασθένειας και δεν λαμβάνει υπόψη ορισμένα προστατευτικά μέτρα που μπορεί να λάβουν οι άνθρωποι γιανα επιβραδύνουν την πανδημία. Κατά τη διάρκεια της εξέλιξης της πανδημίας, μπορούμε να εκτιμήσουμε τον αριθμό αναπαραγωγής $R_t$ σε οποιαδήποτε χρονική στιγμή $t$. Έχει αποδειχθεί ότι αυτός ο αριθμός μπορεί να εκτιμηθεί κατά προσέγγιση λαμβάνοντας ένα παράθυρο 8 ημερών και υπολογίζοντας $$R_t=\\frac{I_{t-7}+I_{t-6}+I_{t-5}+I_{t-4}}{I_{t-3}+I_{t-2}+I_{t-1}+I_t}$$\n",
"όπου $I_t$ είναι ο αριθμός των νέων μολυσμένων ατόμων την ημέρα $t$.\n",
"Το $R_0$ είναι ιδιότητα της ίδιας της ασθένειας και δεν λαμβάνει υπόψη ορισμένα προστατευτικά μέτρα που μπορεί να λάβουν οι άνθρωποι γιανα επιβραδύνουν την πανδημία. Κατά την πορεία της πανδημίας, μπορούμε να εκτιμήσουμε τον αριθμό αναπαραγωγής $R_t$ σε οποιαδήποτε χρονική στιγμή $t$. Έχει αποδειχθεί ότι αυτός ο αριθμός μπορεί να εκτιμηθεί κατά προσέγγιση παίρνοντας ένα παράθυρο 8 ημερών και υπολογίζοντας $$R_t=\\frac{I_{t-7}+I_{t-6}+I_{t-5}+I_{t-4}}{I_{t-3}+I_{t-2}+I_{t-1}+I_t}$$\n",
"όπου $I_t$ είναι ο αριθμός των καινούργια μολυσμένων ατόμων στη μέρα $t$.\n",
"\n",
"Ας υπολογίσουμε το $R_t$ για τα δεδομένα της πανδημίας μας. Για να το κάνουμε αυτό, θα πάρουμε ένα κυλιόμενο παράθυρο 8 τιμών `ninfected` και θα εφαρμόσουμε τη συνάρτηση γιανα υπολογίσουμε το παραπάνω ποσοστό:\n"
"Ας υπολογίσουμε το $R_t$ για τα δεδομένα πανδημίας μας. Για να το κάνουμε αυτό, θα πάρουμε ένα κυλιόμενο παράθυρο 8 τιμών `ninfected` και θα εφαρμόσουμε τη συνάρτηση γιανα υπολογίσουμε το λόγο που αναφέρεται παραπάνω:\n"
]
},
{
@ -2298,9 +2299,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Μπορείτε να δείτε ότι υπάρχουν κάποια κενά στο γράφημα. Αυτά μπορεί να προκληθούν είτε από `NaN`, είτε από την παρουσία `inf` τιμών στο σύνολο δεδομένων. Το `inf` μπορεί να προκληθεί από διαίρεση με το μηδέν, και το `NaN` μπορεί να υποδηλώνει ελλιπή δεδομένα ή έλλειψη δεδομένων για τον υπολογισμό του αποτελέσματος (όπως στην αρχή του frame μας, όπου το κυλιόμενο παράθυρο πλάτους 8 δεν είναι ακόμα διαθέσιμο). Για να κάνουμε το γράφημα πιο όμορφο, χρειάζεται ναγεμίσουμε αυτές τις τιμές χρησιμοποιώντας τις συναρτήσεις `replace` και `fillna`.\n",
"Μπορείτε να δείτε ότι υπάρχουν κάποια κενά στο γράφημα. Αυτά μπορούν να προκληθούν είτε από `NaN`, είτε αν υπάρχουν τιμές `inf` στο σύνολο δεδομένων. Το `inf` μπορεί να προκληθεί από διαίρεση με το 0, και το `NaN` μπορεί να υποδηλώνει ελλιπή δεδομένα ή απουσία δεδομένων για τον υπολογισμό του αποτελέσματος (όπως στην αρχή του πλαισίου μας, όπου το κυλιόμενο παράθυρο πλάτους 8 δεν είναι ακόμα διαθέσιμο). Για να κάνουμε το γράφημα πιο όμορφο, χρειάζεται νασυμπληρώσουμε αυτές τις τιμές χρησιμοποιώντας τις συναρτήσεις `replace` και `fillna`.\n",
"\n",
"Ας εξετάσουμε περαιτέρω την αρχή της πανδημίας. Θα περιορίσουμε επίσης τις τιμές του άξονα y ώστε να εμφανίζονται μόνο τιμές κάτω από 6, γιανα δούμε καλύτερα, και θα σχεδιάσουμε μια οριζόντια γραμμή στο 1.\n"
"Ας εξετάσουμε πιο προσεκτικά την αρχή της πανδημίας. Θα περιορίσουμε επίσης τις τιμές του άξονα y ώστε να εμφανίζονται μόνο τιμές κάτω από 6, γιανα δούμε καλύτερα, και θα σχεδιάσουμε οριζόντια γραμμή στο 1.\n"
]
},
{
@ -2331,7 +2332,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Ένας ακόμα ενδιαφέρων δείκτης της πανδημίας είναι η **παράγωγος**, ή η **ημερήσια διαφορά** στα νέα κρούσματα. Μας επιτρέπει να βλέπουμε καθαρά πότε η πανδημία αυξάνεται ή μειώνεται.\n"
"Ένας άλλος ενδιαφέρων δείκτης της πανδημίας είναι η **παράγωγος**, ή **ημερήσια διαφορά** στα νέα κρούσματα. Μας επιτρέπει να βλέπουμε καθαρά πότε η πανδημία αυξάνεται ή μειώνεται.\n"
]
},
{
@ -2360,7 +2361,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Δεδομένου ότι υπάρχουν πολλές διακυμάνσεις στα δεδομένα που προκαλούνται από την αναφορά, έχει νόημα να εξομαλύνουμε την καμπύλη εφαρμόζοντας κυλιόμενο μέσο όρο γιανα πάρουμε τη γενική εικόνα. Ας εστιάσουμε ξανά στους πρώτους μήνες της πανδημίας:\n"
"Δεδομένου ότι υπάρχουν πολλές διακυμάνσεις στα δεδομένα λόγω της αναφοράς, έχει νόημα να λειαίνουμε την καμπύλη τρέχοντας κινούμενο μέσο όρο γιανα πάρουμε τη συνολική εικόνα. Ας εστιάσουμε ξανά στους πρώτους μήνες της πανδημίας:\n"
]
},
{
@ -2390,14 +2391,15 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"\n",
"## Πρόκληση\n",
"\n",
"Ήρθε η ώρα να πειράξετε περισσότερο τον κώδικα και τα δεδομένα! Εδώ είναι μερικές προτάσεις γιανα πειραματιστείτε:\n",
"* Δείτε τη διάδοση της πανδημίας σε διάφορες χώρες.\n",
"* Απεικονίστε γραφήματα $R_t$ για πολλές χώρες σε ένα γράφημα για σύγκριση, ή δημιουργήστε πολλά διαγράμματα τοποθετημένα δίπλα-δίπλα.\n",
"* Δείτε πώς ο αριθμός των θανάτων και των αναρρώσεων συσχετίζεται με τον αριθμό των μολυσμένων περιπτώσεων.\n",
"* Προσπαθήστε να βρείτε πόσο διαρκεί τυπικά μια ασθένεια οπτικά συσχετίζοντας το ποσοστό μόλυνσης και το ποσοστό θανάτων και αναζητώντας κάποιες ανωμαλίες. Μπορεί να χρειαστεί να κοιτάξετε σε διαφορετικές χώρες γιανα το ανακαλύψετε.\n",
"* Υπολογίστε το ποσοστό θνησιμότητας και πώς αυτό αλλάζει με την πάροδοτου χρόνου. Μπορεί να θέλετε να λάβετε υπόψη τη διάρκεια της ασθένειας σε ημέρες γιανα μετατοπίσετε μια χρονοσειρά πριν κάνετε τους υπολογισμούς.\n"
"Τώρα είναι η ώρα να πειραματιστείτε περισσότερο με τον κώδικα και τα δεδομένα! Εδώ είναι μερικές προτάσεις που μπορείτε να δοκιμάσετε:\n",
"* Δείτε την εξάπλωση της πανδημίας σε διάφορες χώρες.\n",
"* Σχεδιάστε γραφήματα $R_t$ για αρκετές χώρες σε ένα γράφημα για σύγκριση, ή κάντε πολλά γραφήματα δίπλα-δίπλα\n",
"* Δείτε πώς ο αριθμός των θανάτων και των αναρρώσεων σχετίζεται με τον αριθμό των κρουσμάτων.\n",
"* Προσπαθήστε να βρείτε πόσο διαρκεί συνήθως μια ασθένεια συγκρίνοντας την οπτικά με το ρυθμό μόλυνσης και το ρυθμό θανάτων και αναζητώντας κάποιες ανωμαλίες. Μπορεί να χρειαστεί να κοιτάξετε σε διαφορετικές χώρες γιανα το μάθετε.\n",
"* Υπολογίστε το ποσοστό θνησιμότητας και πώς αλλάζει με το χρόνο. Μπορεί να θέλετε να λάβετε υπόψη τη διάρκεια της ασθένειας σε ημέρες γιανα μετατοπίσετε μια χρονική σειρά πριν κάνετε τους υπολογισμούς\n"
]
},
{
@ -2406,10 +2408,10 @@
"source": [
"## Αναφορές\n",
"\n",
"Μπορείτε να δείτε περαιτέρω μελέτες για την εξάπλωση της επιδημίας COVID στις ακόλουθες δημοσιεύσεις:\n",
"* [Sliding SIR Model for Rt Estimation during COVID Pandemic](https://soshnikov.com/science/sliding-sir-model-for-rt-estimation/), ανάρτηση στο blog από τον [Dmitry Soshnikov](http://soshnikov.com)\n",
"* T.Petrova, D.Soshnikov, A.Grunin. [Εκτίμηση του Χρονικά Εξαρτώμενου Αριθμού Αναπαραγωγής για την Παγκόσμια Εκδήλωση COVID-19](https://www.preprints.org/manuscript/202006.0289/v1). *Preprints* **2020**, 2020060289 (doi: 10.20944/preprints202006.0289.v1)\n",
"* [Κώδικας για την παραπάνω εργασία στο GitHub](https://github.com/shwars/SlidingSIR)\n"
"Μπορείτε να δείτε περαιτέρω μελέτες για την εξάπλωση της επιδημίας COVID στις ακόλουθες δημοσιεύσεις:\n",
"* [Sliding SIR Model for Rt Estimation during COVID Pandemic](https://soshnikov.com/science/sliding-sir-model-for-rt-estimation/), άρθρο ιστολογίου από τον [Dmitry Soshnikov](http://soshnikov.com)\n",
"* T.Petrova, D.Soshnikov, A.Grunin. [Estimation of Time-Dependent Reproduction Number for Global COVID-19 Outbreak](https://www.preprints.org/manuscript/202006.0289/v1). *Preprints* **2020**, 2020060289 (doi: 10.20944/preprints202006.0289.v1)\n",
"* [Κώδικας για το παραπάνω έγγραφο στο GitHub](https://github.com/shwars/SlidingSIR)\n"
]
},
{
@ -2423,7 +2425,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"---\n\n<!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Αποποίηση ευθυνών**: \nΤο παρόν έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης AI [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που καταβάλουμε προσπάθεια για ακρίβεια, παρακαλούμε να λάβετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα πρέπει να θεωρείται ως η επίσημη πηγή. Για κρίσιμες πληροφορίες συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε καμία ευθύνη για παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.\n<!-- CO-OP TRANSLATOR DISCLAIMER END -->\n"
"---\n\n<!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Αποποίηση ευθυνών**:\nΑυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία μετάφρασης με τεχνητή νοημοσύνη [Co-op Translator](https://github.com/Azure/co-op-translator). Ενώ επιδιώκουμε την ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.\n<!-- CO-OP TRANSLATOR DISCLAIMER END -->\n"
Για να ξεκινήσετε, πρέπει να βεβαιωθείτε ότι έχετε εγκατεστημένα το NPM και το Node στον υπολογιστή σας. Εγκαταστήστε τις εξαρτήσεις (npm install) και στη συνέχεια εκτελέστε το έργο τοπικά (npm run serve):
Για να ξεκινήσετε, πρέπει να βεβαιωθείτε ότι έχετε εκτελέσει το NPM και το Node **>=20.0.0** στον υπολογιστή σας. Εγκαταστήστε τις εξαρτήσεις (npm install) και στη συνέχεια εκτελέστε το έργο τοπικά (npm run serve):
## Ρύθμιση έργου
## Εγκατάσταση έργου
```
npm install
```
### Μεταγλώττιση και άμεση ανανέωσηγια ανάπτυξη
### Μεταγλωττίζει και φορτώνει ξανά ζεστάγια ανάπτυξη
Δείτε το [Configuration Reference](https://cli.vuejs.org/config/).
---
**Αποποίηση ευθύνης**:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Αποποίηση ευθυνών**:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία μετάφρασης με τεχνητή νοημοσύνη [Co-op Translator](https://github.com/Azure/co-op-translator). Ενώ επιδιώκουμε την ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.
Για να ξεκινήσετε, πρέπει να βεβαιωθείτε ότι έχετε εγκατεστημένα το NPM και το Node στον υπολογιστή σας. Εγκαταστήστε τις εξαρτήσεις (npm install) και στη συνέχεια εκτελέστε το έργο τοπικά (npm run serve):
Για να ξεκινήσετε, πρέπει να βεβαιωθείτε ότι έχετε το NPM και το Node**>=20.0.0** να τρέχουν στον υπολογιστή σας. Εγκαταστήστε τις εξαρτήσεις (npm install) και μετά τρέξτε το έργο τοπικά (npm run serve):
## Ρύθμιση έργου
```
npm install
```
### Μεταγλώττιση και άμεση ανανέωσηγια ανάπτυξη
### Συγγράφει και πραγματοποιεί hot-reloadγια ανάπτυξη
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης AI [Co-op Translator](https://github.com/Azure/co-op-translator). Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτόματες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Αποποίηση ευθυνών**:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία μετάφρασης με τεχνητή νοημοσύνη [Co-op Translator](https://github.com/Azure/co-op-translator). Ενώ επιδιώκουμε την ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν λάθη ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή λανθασμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.
|Definiera Data - _Sketchnote av [@nitya](https://twitter.com/nitya)_ |
Data är fakta, information, observationer och mätningar som används för att göra upptäckter och stödja välgrundade beslut. En datapunkt är en enskild enhet av data inom en dataset, som är en samling av datapunkter. Dataset kan ha olika format och strukturer och baseras ofta på dess källa, eller var datan kommer ifrån. Till exempel kan ett företags månatliga intäkter finnas i ett kalkylblad, medan timdata om hjärtfrekvens från en smartklocka kan vara i [JSON](https://stackoverflow.com/a/383699)-format. Det är vanligt att dataanalytiker arbetar med olika typer av data inom en dataset.
Data är fakta, information, observationer och mätningar som används för att göra upptäckter och stödja informerade beslut. En datapunkt är en enskild datadel inom en dataset, vilket är en samling datapunkter. Dataset kan komma i olika format och strukturer, och baseras vanligtvis på dess källa, eller varifrån datan kom. Till exempel kan ett företags månatliga intäkter finnas i ett kalkylblad medan timvisa data om hjärtfrekvens från en smartklocka kan vara i [JSON](https://stackoverflow.com/a/383699)-format. Det är vanligt att datavetare arbetar med olika typer av data inom en dataset.
Den här lektionen fokuserar på att identifiera och klassificera data utifrån dess egenskaper och källor.
Denna lektion fokuserar på att identifiera och klassificera data efter dess egenskaper och dess källor.
Rådata är data som kommer från sin källa i sitt ursprungliga tillstånd och som inte har analyserats eller organiserats. För att förstå vad som händer med en dataset måste den organiseras i ett format som kan förstås av människor såväl som av den teknik de kan använda för att analysera den vidare. Strukturen av en dataset beskriver hur den är organiserad och kan klassificeras som strukturerad, ostrukturerad och semistrukturerad. Dessa typer av strukturer varierar beroende på källan men passar i slutändan in i dessa tre kategorier.
### Rå Data
Rådata är data som kommer från sin källa i sitt ursprungliga tillstånd och som inte har analyserats eller organiserats. För att förstå vad som händer med en dataset måste den organiseras i ett format som kan förstås av människor samt den teknik de kan använda för vidare analys. Strukturen i en dataset beskriver hur den är organiserad och kan klassificeras som strukturerad, ostrukturerad och semi-strukturerad. Dessa typer av struktur varierar beroende på källan men passar slutligen in i dessa tre kategorier.
### Kvantitativ Data
Kvantitativ data är numeriska observationer inom en dataset och kan vanligtvis analyseras, mätas och användas matematiskt. Några exempel på kvantitativ data är: ett lands befolkning, en persons längd eller ett företags kvartalsintäkter. Med ytterligare analys kan kvantitativ data användas för att upptäcka säsongstrender i luftkvalitetsindex (AQI) eller uppskatta sannolikheten för rusningstrafik under en typisk arbetsdag.
Kvantitativ data är numeriska observationer inom en dataset och kan vanligen analyseras, mätas och användas matematiskt. Några exempel på kvantitativ data är: ett lands befolkning, en persons längd eller ett företags kvartalsintäkter. Med ytterligare analys kan kvantitativ data användas för att upptäcka säsongstrender av Air Quality Index (AQI) eller uppskatta sannolikheten för rusningstrafik en typisk arbetsdag.
### Kvalitativ Data
Kvalitativ data, även kallad kategorisk data, är data som inte kan mätas objektivt som kvantitativa observationer. Det är generellt olika format av subjektiv data som fångar kvaliteten på något, såsom en produkt eller process. Ibland är kvalitativ data numerisk men används inte typiskt matematiskt, som telefonnummer eller tidsstämplar. Några exempel på kvalitativ data är: videokommentarer, bilmärke och modell eller din närmaste väns favoritfärg. Kvalitativ data kan användas för att förstå vilka produkter konsumenter gillar bäst eller identifiera populära nyckelord i jobbansökningar.
Kvalitativ data, även känd som kategorisk data, är data som inte kan mätas objektivt som observationer av kvantitativ data. Det är vanligtvis olika former av subjektiv data som fångar kvaliteten på något, såsom en produkt eller process. Ibland är kvalitativ data numerisk och används normalt inte matematiskt, som telefonnummer eller tidsstämplar. Några exempel på kvalitativ data är: videokommentarer, bilmärke och modell eller närmsta vänners favoritfärg. Kvalitativ data kan användas för att förstå vilka produkter konsumenter gillar bäst eller identifiera populära nyckelord i jobbansöknings-CV:n.
### Strukturerad Data
Strukturerad data är data som är organiserad i rader och kolumner, där varje rad har samma uppsättning kolumner. Kolumner representerar ett värde av en viss typ och identifieras med ett namn som beskriver vad värdet representerar, medan rader innehåller de faktiska värdena. Kolumner har ofta en specifik uppsättning regler eller begränsningar för värdena för att säkerställa att värdena korrekt representerar kolumnen. Till exempel, föreställ dig ett kalkylblad med kunder där varje rad måste ha ett telefonnummer och telefonnumren aldrig innehåller alfabetiska tecken. Det kan finnas regler för telefonnummerkolumnen för att säkerställa att den aldrig är tom och endast innehåller siffror.
Strukturerad data är data som är organiserad i rader och kolumner, där varje rad har samma uppsättning av kolumner. Kolumner representerar ett värde av en viss typ och identifieras med ett namn som beskriver vad värdet representerar, medan rader innehåller de faktiska värdena. Kolumner har ofta en specifik uppsättning regler eller begränsningar för värdena, för att säkerställa att värdena korrekt representerar kolumnen. Till exempel, föreställ dig ett kalkylblad med kunder där varje rad måste ha ett telefonnummer och telefonnumren aldrig innehåller bokstäver. Det kan finnas regler för telefonnummerkolumnen för att säkerställa att den aldrig är tom och bara innehåller siffror.
En fördel med strukturerad data är att den kan organiseras på ett sätt som gör att den kan relateras till annan strukturerad data. Men eftersom datan är designad för att vara organiserad på ett specifikt sätt kan det krävas mycket arbete att ändra dess övergripande struktur. Till exempel, att lägga till en e-postkolumn i kundkalkylbladet som inte får vara tom innebär att du måste lista ut hur du ska lägga till dessa värden i de befintliga raderna av kunder i datasetet.
En fördel med strukturerad data är att den kan organiseras så att den kan relateras till annan strukturerad data. Men eftersom datan är utformad för att organiseras på ett specifikt sätt kan det ta mycket ansträngning att ändra dess övergripande struktur. Till exempel, att lägga till en e-postkolumn till kundkalkylbladet som inte får vara tom betyder att du måste komma på hur du lägger till dessa värden till de befintliga kundraderna i datasetet.
Exempel på strukturerad data: kalkylblad, relationsdatabaser, telefonnummer, kontoutdrag
Exempel på strukturerad data: kalkylblad, relationsdatabaser, telefonnummer, bankutdrag
### Ostrukturerad Data
Ostrukturerad data kan vanligtvis inte kategoriseras i rader eller kolumner och innehåller inte ett format eller en uppsättning regler att följa. Eftersom ostrukturerad data har färre begränsningar på sin struktur är det lättare att lägga till ny information jämfört med en strukturerad dataset. Om en sensor som registrerar data om barometertryck varannan minut har fått en uppdatering som nu gör det möjligt att mäta och registrera temperatur, kräver det inte att den befintliga datan ändras om den är ostrukturerad. Dock kan detta göra analys eller undersökning av denna typ av data mer tidskrävande. Till exempel, en forskare som vill hitta genomsnittstemperaturen för föregående månad från sensorns data, men upptäcker att sensorn registrerade ett "e" i vissa av sina data för att indikera att den var trasig istället för ett typiskt nummer, vilket innebär att datan är ofullständig.
Ostrukturerad data kan vanligtvis inte kategoriseras i rader eller kolumner och innehåller inte ett format eller en uppsättning regler att följa. Eftersom ostrukturerad data har färre begränsningar på sin struktur är det enklare att lägga till ny information jämfört med en strukturerad dataset. Om en sensor som mäter barometertryck varannan minut får en uppdatering som gör att den numera kan mäta och registrera temperatur krävs det ingen ändring av befintlig data om den är ostrukturerad. Detta kan dock göra analys eller undersökning av denna typ av data längre. Till exempel, en forskare som vill hitta genomsnittstemperaturen för föregående månad från sensorens data, upptäcker att sensorn registrerat ett "e" i vissa av sina registrerade data för att notera att den var trasig istället för ett vanligt nummer, vilket gör datan ofullständig.
Exempel på ostrukturerad data: textfiler, textmeddelanden, videofiler
### Semistrukturerad Data
Semistrukturerad data har egenskaper som gör den till en kombination av strukturerad och ostrukturerad data. Den följer vanligtvis inte ett format av rader och kolumner men är organiserad på ett sätt som anses strukturerat och kan följa ett fast format eller en uppsättning regler. Strukturen varierar mellan källor, från en väl definierad hierarki till något mer flexibelt som möjliggör enkel integration av ny information. Metadata är indikatorer som hjälper till att avgöra hur datan är organiserad och lagrad och har olika namn beroende på typen av data. Några vanliga namn för metadata är taggar, element, entiteter och attribut. Till exempel, ett typiskt e-postmeddelande har ett ämne, en kropp och en uppsättning mottagare och kan organiseras efter vem eller när det skickades.
### Semi-strukturerad
Semi-strukturerad data har egenskaper som gör den till en kombination av strukturerad och ostrukturerad data. Den följer vanligtvis inte ett format med rader och kolumner men är organiserad på ett sätt som anses strukturerat och kan följa ett fast format eller en uppsättning regler. Strukturen varierar mellan källor, från en väl definierad hierarki till något mer flexibelt som tillåter enkel integration av ny information. Metadata är indikatorer som hjälper till att avgöra hur data är organiserad och lagrad och har olika namn beroende på typen av data. Några vanliga namn för metadata är taggar, element, enheter och attribut. Till exempel, ett typiskt e-postmeddelande har en ämnesrad, innehåll och en uppsättning mottagare och kan organiseras efter vem eller när det skickades.
Exempel på semistrukturerad data: HTML, CSV-filer, JavaScript Object Notation (JSON)
Exempel på semi-strukturerad data: HTML, CSV-filer, JavaScript Object Notation (JSON)
## Datakällor
## Datakällor
En datakälla är den ursprungliga platsen där datan genererades, eller var den "lever" och varierar beroende på hur och när den samlades in. Data som genereras av dess användare kallas primärdata medan sekundärdata kommer från en källa som har samlat in data för allmänt bruk. Till exempel, en grupp forskare som samlar observationer i en regnskog skulle betraktas som primärdata, och om de bestämmer sig för att dela den med andra forskare skulle det betraktas som sekundärdata för dem som använder den.
En datakälla är den ursprungliga platsen där datan skapades eller där den "bor" och varierar beroende på hur och när den samlades in. Data som genereras av dess användare kallas primärdata medan sekundärdata kommer från en källa som samlat in data för allmänt bruk. Till exempel skulle en grupp forskare som samlar observationer i en regnskog betraktas som primär och om de bestämmer sig för att dela det med andra forskare skulle det betraktas som sekundär för dem som använder det.
Databaser är en vanlig källa och förlitar sig på ett databashanteringssystem för att vara värd för och underhålla datan där användare använder kommandon som kallas frågor för att utforska datan. Filer som datakällor kan vara ljud-, bild- och videofiler samt kalkylblad som Excel. Internetsidor är en vanlig plats för att vara värd för data, där både databaser och filer kan hittas. Applikationsprogrammeringsgränssnitt, även kända som API:er, gör det möjligt för programmerare att skapa sätt att dela data med externa användare via internet, medan processen för webbscraping extraherar data från en webbsida. [Lektionen i Att Arbeta med Data](../../../../../../../../../2-Working-With-Data) fokuserar på hur man använder olika datakällor.
Databaser är en vanlig källa och förlitar sig på ett databashanteringssystem för att vara värd för och underhålla datan där användare använder kommandon kallade frågor för att utforska datan. Filer som datakällor kan vara ljud-, bild- och videofiler samt kalkylblad som Excel. Internetsidor är en vanlig plats för värd för data, där databaser såväl som filer kan hittas. Programmeringsgränssnitt, även kallade API:er, tillåter programmerare att skapa sätt att dela data med externa användare via internet, medan processen webbskrapning extraherar data från en webbsida. [Lektionerna i Arbete med Data](../../../../../../../../../2-Working-With-Data) fokuserar på hur man använder olika datakällor.
## Slutsats
## Sammanfattning
I den här lektionen har vi lärt oss:
I denna lektion har vi lärt oss:
- Vad data är
- Hur data beskrivs
@ -54,22 +54,26 @@ I den här lektionen har vi lärt oss:
## 🚀 Utmaning
Kaggle är en utmärkt källa för öppna dataset. Använd [verktyget för dataset-sökning](https://www.kaggle.com/datasets) för att hitta några intressanta dataset och klassificera 3-5 dataset enligt följande kriterier:
Kaggle är en utmärkt källa för öppna dataset. Använd [datasetsökverktyget](https://www.kaggle.com/datasets) för att hitta några intressanta dataset och klassificera 3-5 dataset enligt dessa kriterier:
- Är datan kvantitativ eller kvalitativ?
- Är datan strukturerad, ostrukturerad eller semistrukturerad?
- Är datan strukturerad, ostrukturerad eller semi-strukturerad?
- Denna Microsoft Learn-enhet, med titeln [Klassificera din Data](https://docs.microsoft.com/en-us/learn/modules/choose-storage-approach-in-azure/2-classify-data), har en detaljerad genomgång av strukturerad, semistrukturerad och ostrukturerad data.
- Denna Microsoft Learn-enhet, med titeln [Identify data formats](https://learn.microsoft.com/en-us/training/modules/explore-core-data-concepts/2-data-formats?pivots=text) har en detaljerad översikt av strukturerad, semi-strukturerad och ostrukturerad data.
## Uppgift
[Klassificera Dataset](assignment.md)
[Klassificering av Dataset](assignment.md)
---
**Ansvarsfriskrivning**:
Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, bör det noteras att automatiserade översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess originalspråk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för eventuella missförstånd eller feltolkningar som kan uppstå vid användning av denna översättning.
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Ansvarsfriskrivning**:
Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, var vänlig notera att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess modersmål bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår till följd av användningen av denna översättning.
"# Introduktion till sannolikhet och statistik\n",
"I denna anteckningsbok kommer vi att leka med några av de koncept som vi tidigare har diskuterat. Många koncept från sannolikhet och statistik är väl representerade i stora bibliotek för databehandling i Python, såsom `numpy` och `pandas`.\n"
"I denna anteckningsbok kommer vi att leka med några av de koncept vi tidigare har diskuterat. Många begrepp från sannolikhet och statistik är väl representerade i stora bibliotek för databehandling i Python, såsom `numpy` och `pandas`.\n"
]
},
{
@ -24,8 +24,8 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"## Slumpmässiga variabler och fördelningar\n",
"Låt oss börja med att dra ett stickprov på 30 värden från en uniform fördelning från 0 till 9. Vi kommer också att beräkna medelvärde och varians.\n"
"## Slumpvariabler och fördelningar\n",
"Låt oss börja med att dra ett stickprov på 30 värden från en likformig fördelning från 0 till 9. Vi kommer också att beräkna medelvärde och varians.\n"
]
},
{
@ -80,9 +80,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"> Vi använder ett paket som heter [**Pandas**](https://pandas.pydata.org/) här för dataanalys. Vi kommer att prata mer om Pandas och att arbeta med data i Python senare i den här kursen.\n",
"> Vi använder ett paket som heter [**Pandas**](https://pandas.pydata.org/) här för dataanalys. Vi kommer att prata mer om Pandas och att arbeta med data i Python senare i denna kurs.\n",
"\n",
"Låt oss beräkna genomsnittsvärden för ålder, längd och vikt:\n"
"Låt oss beräkna medelvärden för ålder, längd och vikt:\n"
]
},
{
@ -98,7 +98,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Låt oss nu fokusera på höjd och beräkna standardavvikelse och varians:\n"
"Nu fokuserar vi på längd och beräknar standardavvikelse och varians: \n"
]
},
{
@ -126,7 +126,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Förutom medelvärdet är det meningsfullt att titta på medianvärdet och kvartilerna. De kan visualiseras med ett **låddiagram**:\n"
"Förutom medelvärdet är det vettigt att titta på medianvärdet och kvartilerna. De kan visualiseras med hjälp av ett **boxplot**:\n"
"Vi kan också göra låddiagram av delmängder av vår dataset, till exempel grupperade efter spelarroll.\n"
"Vi kan också göra låddiagram av delmängder av vår datamängd, till exempel grupperade efter spelarens roll.\n"
]
},
{
@ -165,9 +165,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"> **Notera**: Detta diagram antyder att första basmän generellt är längre än andra basmän. Senare kommer vi att lära oss hur vi kan testa denna hypotes mer formellt, och hur vi kan visa att våra data är statistiskt signifikanta för att påvisa detta. \n",
"> **Notera**: Detta diagram antyder att längderna för förstabasmän i genomsnitt är längre än längderna för andrabasmän. Senare kommer vi att lära oss hur vi kan testa denna hypotes mer formellt, och hur vi kan visa att våra data är statistiskt signifikanta för att bekräfta detta. \n",
"\n",
"Ålder, längd och vikt är alla kontinuerliga stokastiska variabler. Vad tror du att deras fördelning är? Ett bra sätt att ta reda på det är att plotta histogrammet av värdena: \n"
"Ålder, längd och vikt är alla kontinuerliga stokastiska variabler. Vad tror du att deras fördelning är? Ett bra sätt att ta reda på det är att rita histogram för värdena: \n"
]
},
{
@ -231,7 +231,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Eftersom de flesta värden i verkliga livet är normalt fördelade, bör vi inte använda en uniform slumptalsgenerator för att generera provdata. Här är vad som händer om vi försöker generera vikter med en uniform fördelning (genererad av `np.random.rand`):\n"
"Eftersom de flesta värden i verkliga livet är normalt fördelade bör vi inte använda en uniform slumpgenerator för att generera provdata. Så här ser det ut om vi försöker generera vikter med en uniform fördelning (genererad av `np.random.rand`):\n"
]
},
{
@ -253,7 +253,7 @@
"source": [
"## Konfidensintervall\n",
"\n",
"Låt oss nu beräkna konfidensintervall för vikterna och längderna hos basebollspelare. Vi kommer att använda koden [från denna stackoverflow-diskussion](https://stackoverflow.com/questions/15033511/compute-a-confidence-interval-from-sample-data):\n"
"Låt oss nu beräkna konfidensintervall för vikterna och längderna på basebollspelare. Vi kommer att använda koden [från denna stackoverflow-diskussion](https://stackoverflow.com/questions/15033511/compute-a-confidence-interval-from-sample-data):\n"
]
},
{
@ -272,7 +272,7 @@
" return m, h\n",
"\n",
"for p in [0.85, 0.9, 0.95]:\n",
" m, h = mean_confidence_interval(df['Weight'].fillna(method='pad'),p)\n",
" m, h = mean_confidence_interval(df['Weight'].ffill(),p)\n",
" print(f\"p={p:.2f}, mean = {m:.2f} ± {h:.2f}\")"
]
},
@ -282,7 +282,7 @@
"source": [
"## Hypotesprövning\n",
"\n",
"Låt oss utforska olika roller i vår basebollspelar-dataset:\n"
"Låt oss utforska olika roller i vår dataset med basebollspelare:\n"
]
},
{
@ -298,7 +298,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Låt oss testa hypotesen att försteklassmän är längre än andraklassmän. Det enklaste sättet att göra detta är att testa konfidensintervallen:\n"
"Låt oss testa hypotesen att Förstabasmän är längre än Andrabasmän. Det enklaste sättet att göra detta är att testa konfidensintervallen:\n"
]
},
{
@ -338,8 +338,8 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"De två värdena som returneras av funktionen `ttest_ind` är:\n",
"* p-värdet kan betraktas som sannolikheten för att två fördelningar har samma medelvärde. I vårt fall är det mycket lågt, vilket betyder att det finns starka bevis som stöder att förstebasmän är längre.\n",
"De två värden som returneras av funktionen `ttest_ind` är:\n",
"* p-värdet kan betraktas som sannolikheten för att två fördelningar har samma medelvärde. I vårt fall är det mycket lågt, vilket betyder att det finns starka bevis för att försteklassare är längre.\n",
"* t-värdet är det mellanliggande värdet av normaliserad medelskillnad som används i t-testet, och det jämförs med ett tröskelvärde för ett givet konfidensvärde.\n"
]
},
@ -349,7 +349,7 @@
"source": [
"## Simulera en normalfördelning med centrala gränsvärdessatsen\n",
"\n",
"Den pseudotillfälliga generatorn i Python är utformad för att ge oss en jämn fördelning. Om vi vill skapa en generator för normalfördelning kan vi använda centrala gränsvärdessatsen. För att få ett normalt fördelat värde beräknar vi helt enkelt medelvärdet av ett uniformt genererat urval.\n"
"Pseudo-slumpgeneratorn i Python är utformad för att ge oss en jämn fördelning. Om vi vill skapa en generator för normalfördelning kan vi använda den centrala gränsvärdessatsen. För att få ett värde som är normalfördelat räknar vi helt enkelt ut medelvärdet av ett uniformt genererat urval.\n"
]
},
{
@ -373,9 +373,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"## Korrelations- och Evil Baseball Corp\n",
"## Korrelation och Evil Baseball Corp\n",
"\n",
"Korrelations möjliggör för oss att hitta relationer mellan datasekvenser. I vårt leksaksexempel, låtsas att det finns ett ondskefullt basebollföretag som betalar sina spelare utifrån deras längd - ju längre spelaren är, desto mer pengar får han/hon. Antag att det finns en grundlön på 1000 dollar, och en extra bonus från 0 till 100 dollar, beroende på längd. Vi tar riktiga spelare från MLB och beräknar deras imaginära löner:\n"
"Korrelation gör det möjligt för oss att hitta relationer mellan dataserier. I vårt leksaksexempel, låtsas att det finns en ond basebollföretag som betalar sina spelare efter deras längd – ju längre spelaren är, desto mer pengar får han/hon. Anta att det finns en grundlön på 1000 dollar, och en ytterligare bonus från 0 till 100 dollar, beroende på längd. Vi kommer att ta de verkliga spelarna från MLB och beräkna deras imaginära löner:\n"
"Låt oss nu beräkna kovarians och korrelation för dessa sekvenser. `np.cov` ger oss en så kallad **kovariansmatris**, som är en utvidgning av kovarians till flera variabler. Elementet $M_{ij}$ i kovariansmatrisen $M$ är en korrelation mellan indata variablerna $X_i$ och $X_j$, och diagonala värden $M_{ii}$ är variansen för $X_{i}$. På samma sätt ger `np.corrcoef` oss **korrelationsmatrisen**.\n"
"Låt oss nu beräkna kovarians och korrelation för dessa sekvenser. `np.cov` ger oss en så kallad **kovariansmatris**, vilket är en utvidgning av kovarians till flera variabler. Elementet $M_{ij}$ i kovariansmatrisen $M$ är en korrelation mellan indata variablerna $X_i$ och $X_j$, och diagonala värden $M_{ii}$ är variansen för $X_{i}$. På samma sätt ger `np.corrcoef` oss **korrelationsmatrisen**.\n"
]
},
{
@ -411,7 +411,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"En korrelation som är lika med 1 betyder att det finns en stark **linjär relation** mellan två variabler. Vi kan visuellt se den linjära relationen genom att plotta ett värde mot det andra:\n"
"En korrelation lika med 1 betyder att det finns ett starkt **linjärt samband** mellan två variabler. Vi kan visuellt se det linjära sambandet genom att plotta ett värde mot det andra:\n"
]
},
{
@ -430,7 +430,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Låt oss se vad som händer om relationen inte är linjär. Anta att vårt företag beslutade att dölja det uppenbara linjära sambandet mellan längder och löner, och införde någon icke-linjär funktion i formeln, som till exempel `sin`:\n"
"Låt oss se vad som händer om relationen inte är linjär. Anta att vårt företag bestämde sig för att dölja det uppenbara linjära sambandet mellan längder och löner, och införde någon icke-linjär funktion i formeln, såsom `sin`:\n"
]
},
{
@ -447,7 +447,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"I det här fallet är korrelationen något mindre, men den är fortfarande ganska hög. Nu, för att göra sambandet ännu mindre uppenbart, kanske vi vill lägga till lite extra slumpmässighet genom att lägga till en slumpvariabel till lönen. Låt oss se vad som händer:\n"
"I det här fallet är korrelationen något mindre, men den är fortfarande ganska hög. Nu, för att göra sambandet ännu mindre uppenbart, kanske vi vill lägga till lite extra slumpmässighet genom att lägga till någon slumpmässig variabel till lönen. Låt oss se vad som händer:\n"
]
},
{
@ -476,9 +476,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"> Kan du gissa varför prickarna bildar vertikala linjer på detta sätt?\n",
"> Kan du gissa varför prickarna radas upp i vertikala linjer som detta?\n",
"\n",
"Vi har observerat sambandet mellan ett konstgjort framtaget koncept som lön och den observerade variabeln *längd*. Låt oss även se om de två observerade variablerna, såsom längd och vikt, korrelerar också:\n"
"Vi har observerat korrelationen mellan ett konstgjort konstruerat begrepp som lön och den observerade variabeln *längd*. Låt oss också se om de två observerade variablerna, såsom längd och vikt, också korrelerar:\n"
]
},
{
@ -494,9 +494,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Tyvärr fick vi inga resultat – endast några märkliga `nan`-värden. Detta beror på att några av värdena i vår serie är odefinierade, representerade som `nan`, vilket gör att resultatet av operationen också blir odefinierat. Genom att titta på matrisen kan vi se att `Weight` är den problematiska kolumnen, eftersom självkorrelationen mellan `Height`-värden har beräknats.\n",
"Tyvärr fick vi inga resultat - bara några konstiga `nan`-värden. Detta beror på att några av värdena i vår serie är odefinierade, representerade som `nan`, vilket gör att resultatet av operationen också blir odefinierat. Genom att titta på matrisen kan vi se att `Weight` är den problematiska kolumnen, eftersom självkorrelation mellan `Height`-värden har beräknats.\n",
"\n",
"> Detta exempel visar vikten av **datapreparering** och **rengöring**. Utan korrekt data kan vi inte beräkna något.\n",
"> Detta exempel visar vikten av **datapreparation** och **rensning**. Utan korrekt data kan vi inte beräkna något.\n",
"\n",
"Låt oss använda metoden `fillna` för att fylla i de saknade värdena och beräkna korrelationen:\n"
"Det finns faktiskt en korrelation, men inte en så stark som i vårt artificiella exempel. Om vi tittar på spridningsdiagrammet för ett värde mot det andra, skulle relationen vara mycket mindre uppenbar:\n"
"Det finns verkligen ett samband, men inte ett lika starkt som i vårt artificiella exempel. Om vi tittar på spridningsdiagrammet för ett värde mot det andra, skulle relationen vara mycket mindre uppenbar:\n"
]
},
{
@ -537,14 +537,14 @@
"source": [
"## Slutsats\n",
"\n",
"I denna anteckningsbok har vi lärt oss hur man utför grundläggande operationer på data för att beräkna statistiska funktioner. Vi vet nu hur man använder ett gediget verktyg av matematik och statistik för att bevisa några hypoteser, och hur man beräknar konfidensintervall för godtyckliga variabler baserat på ett dataurval.\n"
"I denna anteckningsbok har vi lärt oss hur man utför grundläggande operationer på data för att beräkna statistiska funktioner. Vi vet nu hur man använder ett gediget verktyg av matematik och statistik för att bevisa vissa hypoteser, och hur man beräknar konfidensintervall för godtyckliga variabler givet ett dataprovtagningsurval. \n"
]
},
{
"cell_type": "markdown",
"metadata": {},
"source": [
"---\n\n<!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Ansvarsfriskrivning**:\nDetta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, bör du vara medveten om att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess ursprungliga språk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår vid användning av denna översättning.\n<!-- CO-OP TRANSLATOR DISCLAIMER END -->\n"
"---\n\n<!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Ansvarsfriskrivning**:\nDetta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, var vänlig notera att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess modersmål bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår till följd av användningen av denna översättning.\n<!-- CO-OP TRANSLATOR DISCLAIMER END -->\n"
"Vi kommer att använda data om COVID-19-smittade individer, tillhandahållen av [Center for Systems Science and Engineering](https://systems.jhu.edu/) (CSSE) vid [Johns Hopkins University](https://jhu.edu/). Dataset är tillgängligt i [detta GitHub-repositorium](https://github.com/CSSEGISandData/COVID-19).\n"
"Vi kommer att använda data om COVID-19 smittade individer, tillhandahållna av [Center for Systems Science and Engineering](https://systems.jhu.edu/) (CSSE) vid [Johns Hopkins University](https://jhu.edu/). Dataset är tillgängligt i [denna GitHub Repository](https://github.com/CSSEGISandData/COVID-19).\n"
]
},
{
@ -27,7 +27,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Vi kan ladda den senaste datan direkt från GitHub med `pd.read_csv`. Om datan av någon anledning inte är tillgänglig kan du alltid använda kopian som finns lokalt i mappen `data` - bara avkommentera raden nedan som definierar `base_url`:\n"
"Vi kan ladda den senaste datan direkt från GitHub med `pd.read_csv`. Om datan av någon anledning inte är tillgänglig kan du alltid använda kopian som finns lokalt i `data`-mappen - bara avkommentera raden nedan som definierar `base_url`:\n"
]
},
{
@ -282,9 +282,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"## Att Förstå Data\n",
"## Att göra data begriplig\n",
"\n",
"Från tabellen ovan är rollen för kolumnen province inte tydlig. Låt oss titta på de olika värden som finns i kolumnen `Province/State`:\n"
"Från tabellen ovan är rollen för kolumnen provins inte tydlig. Låt oss titta på de olika värden som finns i kolumnen `Province/State`:\n"
]
},
{
@ -322,7 +322,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Från namnen kan vi dra slutsatsen att länder som Australien och Kina har mer detaljerad indelning efter provinser. Låt oss leta efter information om Kina för att se exemplet:\n"
"Från namnen kan vi dra slutsatsen att länder som Australien och Kina har mer detaljerad uppdelning efter provinser. Låt oss leta efter information om Kina för att se exemplet:\n"
]
},
{
@ -1321,9 +1321,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"## Förbehandling av data\n",
"## Förbehandling av data\n",
"\n",
"Vi är inte intresserade av att bryta ner länder till ytterligare territorier, så vi skulle först ta bort denna uppdelning och lägga till information om alla territorier tillsammans för att få information för hela landet. Detta kan göras med hjälp av `groupby`:\n"
"Vi är inte intresserade av att dela upp länder i ytterligare territorier, därför tar vi först bort denna uppdelning och lägger till information för alla territorier tillsammans, för att få information för hela landet. Detta kan göras med `groupby`:\n"
]
},
{
@ -1607,7 +1607,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"> **Observera** hur vi använder `[3:]` för att ta bort de första tre elementen i en sekvens som innehåller metadata som inte är datum (Provinsen/Stat och geografiska kolumner). Vi kan också ta bort dessa tre kolumner helt och hållet:\n"
"> **Observera** hur vi använder `[3:]` för att ta bort de första tre elementen i en sekvens som innehåller icke-datummetadata (Provins/Stat och geolokaliseringskolumnerna). Vi kan också ta bort dessa tre kolumner helt:\n"
]
},
{
@ -1625,9 +1625,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"## Undersöka datan\n",
"## Undersöka data\n",
"\n",
"Låt oss nu byta till att undersöka ett specifikt land. Låt oss skapa en frame som innehåller data om infektioner indexerade efter datum:\n"
"Låt oss nu gå över till att undersöka ett specifikt land. Låt oss skapa en ram som innehåller data om infektioner indexerade efter datum:\n"
]
},
{
@ -1793,7 +1793,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Nu låt oss beräkna antalet nya smittade personer varje dag. Detta gör att vi kan se hur snabbt pandemin utvecklas. Det enklaste sättet att göra detta på är att använda `diff`:\n"
"Nu låt oss beräkna antalet nya smittade varje dag. Detta kommer att göra det möjligt för oss att se hur snabbt pandemin utvecklas. Det enklaste sättet att göra detta är att använda `diff`:\n"
]
},
{
@ -1823,7 +1823,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Vi kan se stora fluktuationer i data. Låt oss titta närmare på en av månaderna:\n"
"Vi kan se stora variationer i data. Låt oss titta närmare på en av månaderna:\n"
]
},
{
@ -1852,7 +1852,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Det ser tydligt ut som att det finns veckovisa variationer i data. Eftersom vi vill kunna se trenderna är det logiskt att jämna ut kurvan genom att beräkna ett rullande medelvärde (dvs. för varje dag kommer vi att beräkna medelvärdet av de föregående flera dagarna):\n"
"Det ser tydligt ut som att det finns veckovisa fluktuationer i data. Eftersom vi vill kunna se trenderna är det vettigt att jämna ut kurvan genom att beräkna ett rörligt medelvärde (dvs. för varje dag beräknar vi medelvärdet av de föregående dagarna):\n"
]
},
{
@ -1882,7 +1882,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"För att kunna jämföra flera länder kan vi vilja ta hänsyn till landets befolkning och jämföra procentandelen smittade individer i förhållande till landets befolkning. För att få landets befolkning, låt oss ladda datasetet med länder:\n"
"För att kunna jämföra flera länder kan vi vilja ta hänsyn till landets befolkning och jämföra andelen infekterade individer i förhållande till landets befolkning. För att få landets befolkning, låt oss ladda datasetet för länder:\n"
]
},
{
@ -2153,7 +2153,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Eftersom denna datamängd innehåller information om både länder och provinser, för att få befolkningen för hela landet behöver vi vara lite kluriga:\n"
"Eftersom denna datamängd innehåller information om både länder och provinser, behöver vi vara lite kluriga för att få fram hela landets befolkning: \n"
]
},
{
@ -2261,14 +2261,15 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"\n",
"## Beräkning av $R_t$\n",
"\n",
"För att se hur smittsam sjukdomen är, tittar vi på **det grundläggande reproduktionstalet** $R_0$, som anger antalet personer som en smittad person skulle smitta vidare. När $R_0$ är större än 1, är det sannolikt att epidemin sprider sig.\n",
"För att se hur smittsam sjukdomen är tittar vi på **det grundläggande reproduktionstalet** $R_0$, som anger antalet personer som en smittad person vidare smittar. När $R_0$ är större än 1 är det sannolikt att epidemin sprids.\n",
"\n",
"$R_0$ är en egenskap hos själva sjukdomen och tar inte hänsyn till vissa skyddsåtgärder som människor kan vidta för att bromsa pandemin. Under pandemins förlopp kan vi uppskatta reproduktionstalet $R_t$ vid en given tidpunkt $t$. Det har visats att detta tal ungefär kan uppskattas genom att ta ett fönster på 8 dagar och beräkna $$R_t=\\frac{I_{t-7}+I_{t-6}+I_{t-5}+I_{t-4}}{I_{t-3}+I_{t-2}+I_{t-1}+I_t}$$\n",
"där $I_t$ är antalet nyinfekterade individer på dag $t$.\n",
"\n",
"Låt oss beräkna $R_t$ för våra pandemidata. För att göra detta tar vi ett rullande fönster på 8 `ninfected`-värden och tillämpar funktionen för att beräkna kvoten ovan:\n"
"Låt oss beräkna $R_t$ för våra pandemidata. För att göra detta tar vi ett glidande fönster av 8 `ninfected`-värden och applicerar funktionen för att beräkna kvoten ovan:\n"
]
},
{
@ -2298,9 +2299,9 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Du kan se att det finns några luckor i grafen. Dessa kan orsakas antingen av `NaN`, eller om `inf` värden finns i datasetet. `inf` kan orsakas av division med 0, och `NaN` kan indikera saknade data, eller inga data tillgängliga för att beräkna resultatet (som i början av vår ram, där ett rullande fönster med bredd 8 ännu inte är tillgängligt). För att göra grafen snyggare behöver vi fylla dessa värden med hjälp av funktionerna `replace` och `fillna`.\n",
"Du kan se att det finns några luckor i grafen. Dessa kan orsakas av antingen `NaN` eller om `inf`-värden finns i datasetet. `inf` kan bero på division med 0, och `NaN` kan indikera saknade data, eller att det inte finns någon data tillgänglig för att beräkna resultatet (som i början av vår ram, där det rullande fönstret med bredd 8 ännu inte är tillgängligt). För att göra grafen snyggare behöver vi fylla dessa värden med hjälp av `replace` och `fillna`-funktionen.\n",
"\n",
"Låt oss titta närmare på början av pandemin. Vi kommer också att begränsa y-axelns värden för att visa endast värden under 6, för att kunna se bättre, och rita en horisontell linje vid 1.\n"
"Låt oss titta närmare på början av pandemin. Vi kommer också att begränsa y-axelns värden för att endast visa värden under 6, för att se bättre, och rita en horisontell linje vid 1.\n"
]
},
{
@ -2331,7 +2332,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"En annan intressant indikator på pandemin är **derivatan**, eller **daglig skillnad** i nya fall. Den gör att vi tydligt kan se när pandemin ökar eller avtar.\n"
"En annan intressant indikator på pandemin är **derivatan**, eller **dagliga skillnaden** i nya fall. Den gör att vi tydligt kan se när pandemin ökar eller minskar. \n"
]
},
{
@ -2360,7 +2361,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"Med tanke på att det finns många variationer i data orsakade av rapportering, är det vettigt att jämna ut kurvan genom att använda rullande medelvärde för att få en övergripande bild. Låt oss återigen fokusera på de första månaderna av pandemin:\n"
"Med tanke på att det finns många variationer i data orsakade av rapportering, är det vettigt att jämna ut kurvan genom att köra glidande medelvärde för att få en övergripande bild. Låt oss återigen fokusera på de första månaderna av pandemin:\n"
]
},
{
@ -2390,14 +2391,15 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"\n",
"## Utmaning\n",
"\n",
"Nu är det dags för dig att leka mer med koden och datan! Här är några förslag du kan experimentera med:\n",
"* Se spridningen av pandemin i olika länder.\n",
"* Plotta $R_t$-grafer för flera länder på en och samma graf för jämförelse, eller gör flera grafer sida vid sida.\n",
"* Se hur antalet dödsfall och återhämtningar korrelerar med antalet smittade.\n",
"* Försök ta reda på hur länge en typisk sjukdom varar genom att visuellt korrelera infektionshastighet och dödshastighet och leta efter vissa avvikelser. Du kan behöva titta på olika länder för att ta reda på det.\n",
"* Beräkna dödlighetsgraden och hur den förändras över tid. Du kanske vill ta hänsyn till sjukdomens längd i dagar för att förskjuta en tidsserie innan du gör beräkningar.\n"
"* Rita $R_t$-grafer för flera länder i en och samma graf för jämförelse, eller gör flera grafer sida vid sida\n",
"* Se hur antalet dödsfall och återhämtningar korrelerar med antalet infekterade.\n",
"* Försök ta reda på hur lång tid en typisk sjukdom varar genom att visuellt korrelera infektionshastighet och dödshastighet och leta efter några avvikelser. Du kan behöva titta på olika länder för att hitta det.\n",
"* Beräkna dödlighetsgraden och hur den ändras över tid. Du kan vilja ta hänsyn till sjukdomens längd i dagar för att förskjuta en tidsserie innan du gör beräkningar\n"
]
},
{
@ -2406,10 +2408,10 @@
"source": [
"## Referenser\n",
"\n",
"Du kan titta på ytterligare studier om spridningen av COVID-epidemin i följande publikationer:\n",
"Du kan titta på ytterligare studier av COVID-epidemins spridning i följande publikationer:\n",
"* [Sliding SIR Model for Rt Estimation during COVID Pandemic](https://soshnikov.com/science/sliding-sir-model-for-rt-estimation/), blogginlägg av [Dmitry Soshnikov](http://soshnikov.com)\n",
"* T.Petrova, D.Soshnikov, A.Grunin. [Estimation of Time-Dependent Reproduction Number for Global COVID-19 Outbreak](https://www.preprints.org/manuscript/202006.0289/v1). *Preprints* **2020**, 2020060289 (doi: 10.20944/preprints202006.0289.v1)\n",
"* [Kod för ovanstående artikel på GitHub](https://github.com/shwars/SlidingSIR)\n"
"* [Code for the above paper on GitHub](https://github.com/shwars/SlidingSIR)\n"
]
},
{
@ -2423,7 +2425,7 @@
"cell_type": "markdown",
"metadata": {},
"source": [
"---\n\n<!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Ansvarsfriskrivning**:\nDetta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Trots att vi strävar efter noggrannhet, vänligen var medveten om att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess originals språk ska betraktas som den auktoritativa källan. För viktig information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår till följd av användningen av denna översättning.\n<!-- CO-OP TRANSLATOR DISCLAIMER END -->\n"
"---\n\n<!-- CO-OP TRANSLATOR DISCLAIMER START -->\n**Ansvarsfriskrivning**:\nDetta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, var vänlig notera att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess modersmål bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår till följd av användningen av denna översättning.\n<!-- CO-OP TRANSLATOR DISCLAIMER END -->\n"
# Projekt för datavisualisering av Dangerous Liaisons
# Dangerous Liaisons datavisualiseringsprojekt
För att komma igång behöver du säkerställa att du har NPM och Node installerade på din dator. Installera beroenden (npm install) och kör sedan projektet lokalt (npm run serve):
För att komma igång måste du säkerställa att du har NPM och Node **>=20.0.0** installerat på din dator. Installera beroenden (npm install) och kör sedan projektet lokalt (npm run serve):
## Projektinställning
## Projektuppsättning
```
npm install
```
### Kompilerar och laddar om för utveckling
### Kompilerar och laddar om snabbt för utveckling
```
npm run serve
```
@ -17,15 +17,17 @@ npm run serve
npm run build
```
### Lintar och åtgärdar filer
### Linter och fixar filer
```
npm run lint
```
### Anpassa konfiguration
### Anpassa konfigurationen
Se [Configuration Reference](https://cli.vuejs.org/config/).
---
**Ansvarsfriskrivning**:
Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, vänligen notera att automatiska översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på dess originalspråk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för eventuella missförstånd eller feltolkningar som uppstår vid användning av denna översättning.
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Ansvarsfriskrivning**:
Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, var vänlig notera att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess modersmål bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår till följd av användningen av denna översättning.
För att komma igång behöver du se till att du har NPM och Node installerade på din dator. Installera beroenden (npm install) och kör sedan projektet lokalt (npm run serve):
För att komma igång måste du säkerställa att du har NPM och Node **>=20.0.0** installerade på din dator. Installera beroenden (npm install) och kör sedan projektet lokalt (npm run serve):
## Projektinställning
```
npm install
```
### Kompilerar och uppdaterar automatiskt för utveckling
### Kompilerar och laddar om automatiskt för utveckling
```
npm run serve
```
### Kompilerar och minimerar för produktion
### Kompilerar och minifierar för produktion
```
npm run build
```
### Lintar och åtgärdar filer
### Lintar och fixar filer
```
npm run lint
```
### Anpassa konfiguration
Se [Konfigurationsreferens](https://cli.vuejs.org/config/).
### Anpassa konfigurationen
Se [Configuration Reference](https://cli.vuejs.org/config/).
---
**Ansvarsfriskrivning**:
Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, vänligen notera att automatiska översättningar kan innehålla fel eller felaktigheter. Det ursprungliga dokumentet på dess originalspråk bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för eventuella missförstånd eller feltolkningar som uppstår vid användning av denna översättning.
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
**Ansvarsfriskrivning**:
Detta dokument har översatts med hjälp av AI-översättningstjänsten [Co-op Translator](https://github.com/Azure/co-op-translator). Även om vi strävar efter noggrannhet, var vänlig notera att automatiska översättningar kan innehålla fel eller brister. Det ursprungliga dokumentet på dess modersmål bör betraktas som den auktoritativa källan. För kritisk information rekommenderas professionell mänsklig översättning. Vi ansvarar inte för några missförstånd eller feltolkningar som uppstår till följd av användningen av denna översättning.
"เรามาทดสอบสมมติฐานที่ว่าผู้เล่นตำแหน่ง First Basemen สูงกว่าผู้เล่นตำแหน่ง Second Basemen วิธีที่ง่ายที่สุดในการทดสอบนี้คือการทดสอบช่วงความเชื่อมั่น:\n"
"มาลองทดสอบสมมติฐานที่ว่าผู้เล่นตำแหน่ง First Basemen สูงกว่าผู้เล่นตำแหน่ง Second Basemen วิธีที่ง่ายที่สุดในการทำเช่นนี้คือการทดสอบช่วงความเชื่อมั่น:\n"
"* [Sliding SIR Model for Rt Estimation during COVID Pandemic](https://soshnikov.com/science/sliding-sir-model-for-rt-estimation/), บล็อกโพสต์โดย [Dmitry Soshnikov](http://soshnikov.com)\n",
"* T.Petrova, D.Soshnikov, A.Grunin. [Estimation of Time-Dependent Reproduction Number for Global COVID-19 Outbreak](https://www.preprints.org/manuscript/202006.0289/v1). *Preprints* **2020**, 2020060289 (doi: 10.20944/preprints202006.0289.v1)\n",
"* [Code for the above paper on GitHub](https://github.com/shwars/SlidingSIR)\n"
localizeflow[bot]
5 days ago