Summary  
This chapter covers how to print the first rows of a tabular dataset and match each column to its statistical data type.

General domain of usage  
IT professionals’ salary analysis

I det här avsnittet analyseras ett urval av IT-specialisters löner. Börja med att granska de fem första observationerna i datasettet:

- `work_year` - det år då lönen betalades ut;
- `experience_level` - erfarenhetsnivå: EN är Entry-level, MI är Mid-level, SE är Senior-level, EX är Executive level;
- `job_title` - yrkestitel;
- `salary` - lönebeloppet;
- `salary_currency` - lönevaluta;
- `salary_in_usd` - lönebeloppet i USD;
- `company_location` - företagets plats;
- `company_size` - företagets storlek: S-Small, M-Medium, L-Large.

Nu följer en genomgång av datatyper inom statistik, följt av en övning där varje kolumnnamn ska matchas med motsvarande datatyp.

Bygg en stark grund i statistik med Python. Lär dig grundläggande statistiska koncept och tillämpa dem genom NumPy och pandas. Gå från grundläggande mått som medelvärde och varians till hypotesprövning, konfidensintervall och datadrivna insikter med praktiska övningar.

Upptäck grundläggande statistiska principer, inklusive datatyper, lägesmått och viktiga skillnader mellan stickprov och populationer.

Lär dig att beräkna och tolka medelvärde, median och typvärde med Python. Öva på dessa operationer med pandas för att analysera verkliga dataset.

Förstå hur varians och standardavvikelse mäter spridningen i data. Lär dig att beräkna båda manuellt och med hjälp av Python-verktyg.

Utforska hur kovarians och korrelation beskriver relationer mellan variabler. Öva på att beräkna och jämföra båda måtten i Python.

Bemästra konfidensintervall för att uppskatta populationsparametrar. Använd NumPy, pandas och visualiseringsbibliotek för att beräkna och tolka intervall med verkliga data.

Lär dig grunderna i hypotesprövning och t-test. Förstå hur man utformar, genomför och tolkar tester med Python för att stödja datadrivna beslut.

Undersök Datasetet