[Python Data Science] 확률/통계 기초 알아보기

확률의 기초를 파이썬으로 구현해보자. 데이터를 이해하고, 처리하는 방법을 익혀보자.

확률 개념

• 표본공간 (Sample Space)
  표본공간은, 발생가능한 결과들의 집합입니다.
  예를 들어 동전을 던져서 나올수 있는 결과들은 {‘앞’, ‘뒤’} 2가지 입니다. 즉, 표본공간 S = {‘앞’, ‘뒤’} 입니다.

import random 
import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
from collections import Counter

# '앞', '뒤' 중 랜덤하게 리턴하는 함수
def space_sample_coin():
    return random.choice(['앞', '뒤'])

space_sample = []

# 5번씩 굴려서 list에 저장
for _ in range(1000):
    space_sample.append("".join([space_sample_coin() for x in range(5)]))

space_sample[:10]

#결과
['앞앞뒤앞뒤', '앞앞앞앞앞', '뒤앞뒤뒤앞', '뒤앞뒤뒤앞', '앞앞뒤앞뒤', '뒤뒤앞앞뒤', '뒤앞뒤앞앞', '앞뒤앞뒤앞', '뒤뒤뒤앞뒤', '뒤앞뒤앞뒤']

 

# collection을 통하여, 각각의 항목이 몇번 나왔는지 dict화 할 수 있습니다.
print(Counter(space_sample))

Counter({'뒤뒤앞뒤뒤': 42, '뒤뒤앞앞뒤': 40, '뒤앞앞앞뒤': 40, '앞뒤앞뒤앞': 39, '뒤앞앞뒤뒤': 39, '앞앞뒤앞뒤': 37, '뒤앞앞앞앞': 37, '앞앞뒤앞앞': 37, '뒤앞뒤앞앞': 34, '앞뒤뒤앞뒤': 34, '뒤뒤앞뒤앞': 34, '앞앞앞앞앞': 33, '앞앞앞뒤뒤': 33, '앞뒤뒤뒤뒤': 33, '뒤앞뒤뒤앞': 32, '앞뒤앞뒤뒤': 32, '뒤뒤뒤뒤앞': 31, '앞뒤뒤뒤앞': 30, '뒤뒤뒤앞앞': 30, '뒤앞앞뒤앞': 30, '뒤앞뒤뒤뒤': 30, '뒤뒤앞앞앞': 30, '앞뒤앞앞뒤': 29, '뒤뒤뒤앞뒤': 28, '앞앞뒤뒤뒤': 27, '앞뒤뒤앞앞': 27, '앞뒤앞앞앞': 26, '앞앞뒤뒤앞': 25, '뒤앞뒤앞뒤': 24, '앞앞앞뒤앞': 23, '뒤뒤뒤뒤뒤': 18, '앞앞앞앞뒤': 16})

# 카운터의 most_common(n)를 통해서 가장 많이 나온 3가지를 확인가능
print(Counter(space_sample).most_common(3))

[('뒤뒤앞뒤뒤', 42), ('뒤뒤앞앞뒤', 40), ('뒤앞앞앞뒤', 40)]

df = pd.DataFrame(data = space_sample, columns = ['sample'])
df.head(10)

 

# '앞'을 카운트 해보자
def count_dice(sample):
    return sample.count('앞')
    
df['count'] = df['sample'].map(count_dice)
df

 

df['sample_count'].value_counts()

3    324
2    322
1    164
4    139
5     33
0     18
Name: sample_count, dtype: int64

 

시각화 (matplotlib)

 

data = df['sample_count'].value_counts().sort_index() / 1000 
data

0    0.018
1    0.164
2    0.322
3    0.324
4    0.139
5    0.033
Name: sample_count, dtype: float64


# matplotlib 시각화 도중 한글이 깨져서 폰트 추가 ########
import matplotlib.font_manager as fm

font_path = r'C:\Users\user\NanumGothic.ttf'
fontprop = fm.FontProperties(fname=font_path, size=18)
#######################################################

# figure 생성
fig = plt.figure()
fig.set_size_inches(10, 10)

# axes 설정
ax1 = fig.add_subplot(211)
ax1.set_title('앞면이 나온 횟수별 확률', fontproperties = fontprop)

# 각 확률을 누적하여 더한 것
ax2 = fig.add_subplot(212)
ax2.set_title('누적분포함수', fontproperties = fontprop)

# bar 차트로 확인
data.plot.bar(ax = ax1, color='k')
data.cumsum().plot.bar(ax = ax2, color='g')