Lo típico y lo variable

tiempo = pedidos["tiempo_entrega_min"]
print(f"Media:   {tiempo.mean():.1f} min")
print(f"Mediana: {tiempo.median():.1f} min")
#> Media:   35.1 min
#> Mediana: 33.7 min

moda = tiempo.mode()[0]
print("Moda de los valores:", moda, "min,",
      "en", (tiempo == moda).sum(), "pedidos")
clases = pd.cut(tiempo, bins=range(0, 210, 5), right=False)
conteo = clases.value_counts(sort=False)
print("Clase modal:", conteo.idxmax(), "con", conteo.max(), "pedidos")
#> Moda de los valores: 31.3 min, en 73 pedidos
#> Clase modal: [30, 35) con 2619 pedidos

try:
    pedidos["franja"].median()
except TypeError as error:
    print("TypeError:", error)
#> TypeError: 'Categorical' with dtype category
#>   does not support reduction 'median'

franja = pedidos["franja"].value_counts(sort=False, normalize=True)
(franja.cumsum() * 100).round(1)
#> franja
#> Mañana       15.1
#> Almuerzo     51.1
#> Tarde        70.7
#> Noche       100.0
#> Name: proportion, dtype: float64

print("Mínimo:", tiempo.min(), "· máximo:", tiempo.max())
print(f"Rango: {tiempo.max() - tiempo.min():.1f} min")
#> Mínimo: 6.0 · máximo: 200.9
#> Rango: 194.9 min

print(f"Varianza:       {tiempo.var():.1f} min²")
print(f"s, entre n - 1: {tiempo.std():.3f} min")
print(f"σ, entre N:     {tiempo.std(ddof=0):.3f} min")
#> Varianza:       160.2 min²
#> s, entre n - 1: 12.658 min
#> σ, entre N:     12.657 min

media, s = tiempo.mean(), tiempo.std()
cerca = tiempo.between(media - s, media + s)
print(f"De {media - s:.1f} a {media + s:.1f} min:",
      f"{cerca.mean() * 100:.1f} % de los pedidos")
#> De 22.5 a 47.8 min: 81.7 % de los pedidos

q1 = tiempo.quantile(0.25)
q3 = tiempo.quantile(0.75)
print(f"Q1 = {q1:.1f} · Q3 = {q3:.1f} · RIC = {q3 - q1:.1f} min")
tiempo.describe().round(1)
#> Q1 = 27.9 · Q3 = 40.4 · RIC = 12.5 min
#> count    12000.0
#> mean        35.1
#> std         12.7
#> min          6.0
#> 25%         27.9
#> 50%         33.7
#> 75%         40.4
#> max        200.9
#> Name: tiempo_entrega_min, dtype: float64

corte = tiempo.quantile(0.995)
sin_cola = tiempo[tiempo <= corte]
print(f"Salen {len(tiempo) - len(sin_cola)} pedidos,",
      f"de más de {corte:.1f} min")
print(f"Media:      {tiempo.mean():.1f} → {sin_cola.mean():.1f}")
print(f"Desviación: {tiempo.std():.1f} → {sin_cola.std():.1f}")
print(f"Mediana:    {tiempo.median():.1f} → {sin_cola.median():.1f}")
#> Salen 60 pedidos, de más de 94.1 min
#> Media:      35.1 → 34.6
#> Desviación: 12.7 → 9.7
#> Mediana:    33.7 → 33.7

dos = pedidos[pedidos["ciudad"].isin(["Barranquilla", "Bucaramanga"])]
grupos = dos.groupby("ciudad")["tiempo_entrega_min"]
resumen = pd.DataFrame({
    "media": grupos.mean(),
    "desviación": grupos.std(),
    "RIC": grupos.quantile(0.75) - grupos.quantile(0.25),
})
resumen.round(1)
#>               media  desviación   RIC
#> ciudad
#> Barranquilla   29.8        10.5  10.3
#> Bucaramanga    29.7        13.3  10.6

valor = pedidos["valor_pedido"]
print(f"Tiempo: CV = {tiempo.std() / tiempo.mean():.2f}")
print(f"Valor:  CV = {valor.std() / valor.mean():.2f}")
#> Tiempo: CV = 0.36
#> Valor:  CV = 0.77