Statistics - Telugu Spoken-Tutorial IIT Bombay English Telugu

Statistics - TeluguYouTube↗ IA↗(long shot)
Education 10.5K views 17 likes 2 dislikes 15 Nov 2014

Spoken-Tutorial IIT Bombay 97.6K subscribers India YouTube↗

Hello friends and welcome to the tutorial on 'Statistics' using Python.

హలో ఫ్రెండ్స్, పైథాన్ ఉపయోగించి 'Statistics' పై ట్యుటోరియల్కు స్వాగతం/

At the end of this tutorial,you will be able to, Do statistical operations in Python Sum a set of numbers Find their mean,median and standard deviation

1 ఈ ట్యుటోరియల్ ముగింపు సమయమునకు మీరు ఈ క్రింది అంశములు చేయగలుగుతారు, 2 పైథాన్లో స్టాటిస్టికల్ ఆపరేషన్స్ చేయగలుగుతారు. 3 సంఖ్యల ఒక సెట్ను కూడగలుగుతారు 4 వాటి మీన్, మీడియన్ మరియు స్టాండర్డ్ డీవియేషన్ కనుగొనగలుగుతారు. 5

Before beginning this tutorial,we would suggest you to complete the tutorial on

ఈ ట్యుటోరియల్ మొదలుపెట్టే ముందు, మీరు క్రింది అంశము పై ట్యుటోరియల్ను పూర్తి చేయాలని సూచిస్తున్నాము

"Loading Data from files" "Getting started with Lists" and "Accessing Pieces of Arrays".

"Loading Data from files" "Getting started with Lists" మరియు "Accessing Pieces of Arrays"

Now, type in terminal ipython space hyphen pylab.

ఇప్పుడు, టర్మినల్లో ipython-pylab అని టైప్ చేయండి

For this tutorial, we will use data file that is at the path slash home slash fossee slash sslc2 dot txt.

ఈ ట్యుటోరియల్ కొరకు, మనము /home/fossee/sslc2.txt అనే పాత్ వద్ద ఉన్న డేటా ఫైల్ను ఉపయోగిస్తాము.

It contains record of students and their performance in one of the State Secondary Board Examination.

ఇందులో విద్యార్థులు మరియు స్టేట్ సెకండరీ బోర్డ్ పరీక్షలలో వారి పనితీరు పై రికార్డు ఉంది.

It has 180,000 lines of record.

ఇందులో 180,000 లైన్స్ రికార్డు ఉంది.

We are going to read it and process this data.

మనము దీనిని చదువుతాము మరియు ఈ డేటాను ప్రాసెస్ చేస్తాము.

We can see the content of the file by double clicking on it.

ఫైల్లో ఉండే విషయమును దానిపై డబల్ క్లిక్ చేయడము ద్వారా మనము చూడవచ్చు.

It might take some time to open since it is quite a large file.

ఇది చాలా పెద్ద ఫైల్ కాబట్టి ఓపెన్ అవడానికి కొంత సమయము పట్టవచ్చు.

Please don't edit the data since it has a particular structure.

ఈ డేటా ఒక నిర్దిష్టమైన నిర్మాణము కలిగి ఉంది కాబట్టి దానిని ఎడిట్ చేయకండి.

To check the contents of the file, we use the cat command. So type cat space slash home slash fossee slash sslc2 dot txt and Hit enter.

ఫైల్లోని విషయములను చెక్ చేయుటకు, మనము క్యాట్ కమాండ్ ఉపయోగిస్తాము.

Each line in the file is a set of 11 fields separated by semi-colons.

ఫైల్లోని ప్రతి లైన్ సెమీ కోలన్స్తో వేరుచేయబడిన 11 ఫీల్డ్స్ యొక్క ఒక సెట్

Consider a sample line from this file.

ఈ ఫైల్ నుండి ఒక నమూనా లైన్ను గమనించండి.

A semicolon 015163 semicolon JOSEPH RAJ S semicolon 083 semicolon 042 semicolon 47 semicolon 00 semicolon 72 semicolon 244 and three semicolons in a row.

A;015163;JOSEPH RAJ S;083;042;47;00;72;244;;;

The following are the fields in any given line.

ఏ లైన్లోనైనా ఈ క్రింది ఫీల్డ్స్ ఉంటాయి.

* Region Code which is 'A' * Roll Number 015163 * Name JOSEPH RAJ S * Marks of 5 subjects: ** English 083 ** Hindi 042 ** Maths 47 ** Science 35 **Social Science 72 and Total marks 244

* "A" అనే రీజన్ కోడ్* రోల్ నంబరు 015163 * పేరు జోసెఫ్ రాజ్ యస్* 5 సబ్జెక్టుల మార్కులు: ** ఆంగ్లము 083 ** హిందీ 042 ** గణితము 47 **సైన్సు35 **సోషల్ 72 మరియు మొత్తం మార్కులు 244

Lets load this data as an array and then run various functions on it.

ఈ డేటాను ఒక ఆర్రేగా లోడ్ చేద్దాము మరియు ఆ తరువాత దానిపై వివిధ ఫంక్షన్లు చేద్దాము.

To get the data as an array, we use the loadtxt command So type on the terminal L is equal to loadtxt within brackets , single quotes slash home slash fossee slash sslc2 dot txt comma usecols is equal to within brackets 3,4,5,6,7 comma delimiter is equal to within single quotes semicolon) and hit Enter.

ఒక డేటాను ఆర్రేగా తెచ్చుటకు, మనము loadtxt కమాండ్ ఉపయోగిస్తాము

We get our output in the form of an array dot loadtxt function. Now we got an error. We have to type loadtxt before the brackets.

మనకు ఆర్రే రూపములో అవుట్పుట్ వస్తుంది.

Delimiter specifies the kind of character, that the fields of data separated by usecols specifies the columns to be used.

ఉపయోగించవలసిన కాలంస్ను సూచించే usecols చే వేరుచేయబడిన డేటా ఫీల్డ్స్ యొక్క క్యారెక్టర్ రకమును డెలిమిటర్ నిర్దేశిస్తుంది.

So within brackets 3,4,5,6,7 loads those columns.

కాబట్టి (3,4,5,6,7) ఆ కాలంస్ను లోడ్ చేస్తుంది

The 'comma' is added because usecols is a sequence.

usecols ఒక సీక్వెన్స్ కాబట్టి "కామా" చేర్చబడింది.

As we can see L is an array.

మనము చూస్తున్నట్టుగా L ఒక ఆర్రే

We can get the shape of this array using in the terminal we can type L dot shape and hit Enter.

మనము ఈ ఆర్రే యొక్క ఆకారమును పొందవచ్చు

We get a tuple stating the numbers of rows and columns respectively.

రోస్ మరియు కాలంస్ యొక్క సంఖ్యను తెలిపే tuple మనకు వస్తుంది.

Lets start applying statistical operations on these.

వీటిపై స్టాటిస్టికల్ పరిక్రియలను అప్లై చేద్దాము

We will start with the most basic, summing.

అత్యంత ప్రాధమికమైన దానితో మొదలుపెడదాము, కూడడము.

How do you find the sum of marks of all subjects for the first student.

మొదటి విద్యార్థికి అన్ని సబ్జెక్టులలో వచ్చిన మార్కుల మొత్తమును ఎలా కనుగొంటావు.

As we know from our knowledge of accessing pieces of arrays, to access the first row, we will do in terminal type L square brackets 0 comma colon.

ఆర్రేలలోనికి ప్రవేశించుటకు మనకు తెలిసిన దాని ప్రకారము, మొదటి రోలోనికి ప్రవేశించుటకు, మనము ఇలా చేద్దాము

Now to sum this we can say total marks is equal to sum within brackets L within square brackets 0 comma colon and Hit Enter.Then total marks. Then again Enter.

ఇప్పుడు దీనిని కూడుటకు ఇలా చేయవచ్చు

Now to get the mean we can divide the total marks by the length. So type total marks slash len within brackets L in square brackets 0 comma colon. Or simply use the function mean. For that type mean within brackets L and in square brackets 0 comma colon and hit Enter.

ఇప్పుడు మీన్ వచ్చుటకు మొత్తం మార్కులను పొడవుతో భాగించుదాము లేక సులభంగా mean ఫంక్షన్ ఉపయోగిద్దాము.

But we have such a large data set and calculating the mean of each student one by one is impossible.

కాని మన వద్ద ఉన్న డేటా చాలా పెద్దది మరియు ఒకరి తరువాత ఒకరిగా ప్రతి విద్యార్థికి మీన్ కనుగొనుట చాలా కష్టము.

Is there a way to reduce the work.

పని తగ్గించుటకు ఏదైనా మార్గము ఉందా.

For this we will look into the documentation of mean So for that type mean question mark in the terminal.

దీని కొరకు మీన్ యొక్క డాక్యుమెంటేషన్లోనికి చూద్దాము.

As we know L is a two dimensional array.

L ఒక రెండు పరిమాణముల ఆర్రే అని మనకు తెలుసు.

We can calculate the mean across each of the axis of the array.

మనము ఆర్రే యొక్క ప్రతి యాక్సిస్ వెంబడి మీన్ కనుగొనవచ్చు.

The axis of rows is referred by number 0 and columns by 1.

రోస్ యొక్క యాక్సిస్ 0 సంఖ్య చేత మరియు కాలంస్ యొక్క యాక్సిస్ 1 సంఖ్య చేత సూచించబడతాయి.

So to calculate mean across all columns, we will pass extra parameter 1 for the axis. So type mean within brackets L comma 1 and hit Enter.

కాబట్టి అన్ని కాలంస్ వెంబడి మీన్ లెక్కించుటకు, మనము యాక్సిస్ కొరకు అదనపు పారామీటర్ను ఉపయోగించుదాము.

L here, is a two dimensional array.

ఇక్కడ L రెండు పరిమాణముల ఆర్రే.

Similarly to calculate average marks scored by all the students for each subject can be calculated using mean within brackets L comma 0.

అలాగే ప్రతి సబ్జెక్టుకు విద్యార్థులు అందరూ సాధించిన మార్కుల సగటును ఇలా లెక్కించవచ్చు.

Next, let us calculate the median of English marks for the all the students.

తరువాత, విద్యార్థులు అందరికి ఆంగ్లము మార్కుల మీడియన్ను లెక్కించుదాము.

We can access English marks of all students using L in square brackets colon comma zero and hit Enter.

విద్యార్థులు అందరి ఆంగ్ల మార్కులను మనము ఈ విధముగా చూడవచ్చు.

To get the median we will simply use the function median. So type median within brackets L square brackets colon comma 0 .

మీడియన్ వచ్చుటకు మనము సులభముగా median ఫంక్షన్ ఉపయోగిద్దాము.

For all the subjects we can use the same syntax as mean and calculate median across all rows using median So type median in brackets L comma 0 and hit Enter.

అన్ని సబ్జెక్టులకు మనము మీన్కు ఉపయోగించిన సింటక్స్ వంటిదే ఉపయోగించవచ్చు మరియు అన్ని రోల వెంబడి మీడియన్ను లెక్కించవచ్చు.

Similarly to calculate standard deviation for English we will use the function std So type std, in brackets L and in square brackets colon comma 0 and hit Enter

అలాగే ఆంగ్లమునకు స్టాండర్డ్ డీవియేషన్ లెక్కించుటకు, మనము std ఫంక్షన్ ఉపయోగించుతాము.

and for all rows, we do std within brackets L comma 0.

మరియు అన్ని రోలకు, మనము చేస్తాము

Pause the video here, try out the following exercise and resume the video.

ఇక్కడ వీడియోకు విరామము ఇవ్వండి, ఈ క్రింది అభ్యాసమును ప్రయత్నించండి మరియు తిరిగి వీడియోను ప్రారంభించండి.

In the given file football dot txt at path slash home slash fossee slash football dot txt , one column is player name,second is goals at home and third goals away.

/home/fossee/football.txt పాత్ వద్ద ఉన్న football.txt ఫైల్లో, ఒక కాలం క్రీడాకారుడి పేరు, రెండవ దానిలో హోం వద్ద గోల్స్ మరియు మూడవ దానిలో గోల్స్ అవే.

1.Find the total goals for each player

1 ప్రతి క్రీడాకారుడి మొత్తం గోల్స్ కనుగొనండి. 2

2.Mean of home and away goals

4 హోం మరియు అవే గోల్స్ యొక్క మీన్ 5

3.Standard deviation of home and away goals

7 హోం మరియు అవే గోల్స్ యొక్క స్టాండర్డ్ డీవియేషన్ 8

This is the required data. For that open the football dot txt file.

ఇది కావలసిన డేటా.

The solution is on your screen.

సొల్యూషన్ మీ స్క్రీన్ పై ఉంది.

This brings us to the end of the tutorial.

దీనితో మనము ఈ ట్యుటోరియల్ చివరికి వచ్చాము.

In this tutorial,we have learnt to,

ఈ ట్యుటోరియల్లో మనము నేర్చుకున్నది,

1. Do the standard statistical operations sum , mean median and standard deviation in Python.

1 మొత్తము, మీన్, మీడియన్ మరియు స్టాండర్డ్ డీవియేషన్ వంటి స్టాండర్డ్ స్టాటిస్టికల్ ఆపరేషన్లు పైథాన్లో చేయడము. 2

2. Combine text loading and the statistical operation to solve real world problems.

4 నిజ ప్రపంచ సమస్యలను సాధించుటకు టెక్స్ట్ లోడింగ్ మరియు స్టాటిస్టికల్ ఆపరేషన్లను కలుపుట. 5

Here are some self assessment questions for you to solve

మీరు సాధించుటకు ఇక్కడ కొన్ని స్వీయ అసెస్మెంట్ ప్రశ్నలు ఉన్నాయి.

1. Given a two dimensional list, two_dimensional_list is equal to within square brackets [3,5,8,2,1],within another square brackets [4,3,6,2,1] how do we calculate the mean of each row?

1 two_dimensional_list=[[3,5,8,2,1],[4,3,6,2,1]] అనే ఒక రెండు పరిమాణముల లిస్ట్ ఇవ్వబడినప్పుడు, ప్రతి రో యొక్క మీన్ ఎలా లెక్కించుతాము? 2

2. Calculate the median of the given list? student_marks is equal to within square brackets 74,78,56,87,91,82

4 ఇవ్వబడిన ఒక లిస్ట్ యొక్క మీడియన్ కనుగొనండి. student_marks=[74,78,56,87,91,82] 5

And the third question is Suppose there is a file with 6 columns but we wish to load text only in columns 2,3,4,5. How do we specify that?

మూడవ ప్రశ్న ఏమిటంటే, ఒకవేళ 6 కాలంస్ కలిగిన ఒక ఫైల్లో మనము 2,3,4,5 కాలంస్లో మాత్రమే టెక్స్ట్ లోడ్ చేయాలని అనుకుంటే, దానిని మనము ఎలా నిర్దేశిస్తాము?

And the answers,

జవాబులు.

1. To get the mean of each row, we just pass 1 as the second parameter to the function mean.

1 ప్రతి రో యొక్క మొత్తము వచ్చుటకు, మనము mean ఫంక్షన్కు 1 ని రెండవ పారామీటర్గా పంపుతాము. 2

So we have to type mean within brackets two_dimensional_list comma 1

కాబట్టి, మనము mean(two_dimensional_list,1) అని టైప్ చేయాలి.

2. We use the function median to calculate the median of the list

4 మనము median ఫంక్షన్ ఉపయోగించి లిస్ట్ యొక్క మీడియన్ కనుగొంటాము. 5

by typing median within brackets student_marks.

median(student_marks) అని టైప్ చేసి

And the final one To specify the particular columns of a file, we use the parameter usecols is equal to 2,3,4,5.

చివరిగా, ఒక ఫైల్ యొక్క ఒక కాలంను నిర్దేశించాలంటే, మనము పారామీటర్ usecols=(2,3,4,5) ఉపయోగిస్తాము.

Hope you have enjoyed this tutorial and found it useful.

మీరు ఆనందించారని మరియు మీకు ఉపయోగకరముగా ఉందని ఆశిస్తున్నాము.

Thank you!

ధన్యవాదములు!