Me gustaría calcular el índice de Gini en python con variables categóricas. Vi este código que podría servirme para reciclar:
def gini(x):
# (Warning: This is a concise implementation, but it is O(n**2)
# in time and memory, where n = len(x). *Don't* pass in huge
# samples!)
# Mean absolute difference
mad = np.abs(np.subtract.outer(x, x)).mean()
# Relative mean absolute difference
rmad = mad/np.mean(x)
# Gini coefficient
g = 0.5 * rmad
return g
Tengo datos con zonas visitadas por personas por ejemplo:
- persona 1: [zona2, zona4, zona5, zona2, zona2]
- persona 2 [zona1, zona5, zona4, zona1, zona1, zona3]
- persona 3 [zona3, zona3, zona3, zona1, zona3]
y quiero saber que tan dispersa (o poco dispersa) esta esa persona dependiendo de las zonas que visite en un parámetro de 0 a 1. Entonces, quiero obtener que la persona 3 está menos dispersa que la persona 1. Creo que el valor 0 de este parámetro representa menos dispersión. Para hacer eso, creo que el índice de Gini representa eso, pero mis variables (zonas) son categóricas.
¿Sabes cómo puedo resolver esto?