Summary
This chapter demonstrates how to compute key statistical measures (mean and median) for DataFrame columns using pandas’ built-in .mean() and .median() methods and printing the results.

General domain of usage
data analysis

Pandas-biblioteket har allerede tre indbyggede funktioner til beregning af **mean** og **median**. For at importere `pandas` med aliaset `pd`, anvend følgende syntaks:

```python
import pandas as pd
```

Her er et eksempel på beregning af `.mean()` og `.median()` for kolonnen `'work_year'` i datasættet kaldet `df`.

Du kan frit ændre kolonnerne og observere resultaterne:

import pandas as pd

df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/ds_salaries_statistics', index_col = 0)

# Calculating the mean value
mean = df['work_year'].mean()
# Calculating the median value
median = df['work_year'].median()

print('The mean value is', mean)
print('The median value is', median)

For at beregne centrale statistiske værdier, anvend metoder designet til håndtering af målinger, såsom:  
```python
.mean()
.median()
```

Dette kursus giver dig en grundlæggende viden om statistik. Det er tiltænkt studerende med grundlæggende kendskab til Python-syntaks, da de vil arbejde med NumPy- og pandas-modulerne. I løbet af kurset vil du blive fortrolig med de grundlæggende begreber og derefter gradvist gå videre til mere komplekse begreber og opgaver.

Dette afsnit hjælper os med at håndtere det første reelle statistiske tilfælde: at finde konfidensintervaller. Det kræver kendskab til NumPy, pandas, Matplotlib og Seaborn-biblioteket for at beregne matematiske formler og opbygge visualiseringer. For at motivere dig til at gennemføre dette afsnit vil jeg påpege, at du kun vil støde på en smule teori, men en betydelig mængde praksis!

En uadskillelig del af en dataanalytikers arbejde er at udføre hypotesetest. Efter at have gennemført dette afsnit vil du forstå idéen bag testning i statistik og være i stand til at udføre en t-test ved hjælp af Python.

Statistik med Pandas

Awesome!

Statistik med Pandas