标签：特殊 方差 算法 替代 media 广播 median import 线性代数
一、Numpy简介
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。
NumPy 是一个运行速度非常快的数学库，主要用于数组计算，包含：
NumPy 通常与 SciPy（Scientific Python）和 Matplotlib（绘图库）一起使用， 这种组合广泛用于替代 MatLab，是一个强大的科学计算环境，有助于我们通过 Python 学习数据科学或者机器学习。
SciPy 是一个开源的 Python 算法库和数学工具包。
SciPy 包含的模块有最优化、线性代数、积分、插值、特殊函数、快速傅里叶变换、信号处理和图像处理、常微分方程求解和其他科学与工程中常用的计算。
Matplotlib 是 Python 编程语言及其数值数学扩展包 NumPy 的可视化操作界面。它为利用通用的图形用户界面工具包，如 Tkinter, wxPython, Qt 或 GTK+ 向应用程序嵌入式绘图提供了应用程序接口（API）。
二、描述性统计量
三、描述性统计量实现
1 import numpy as np 2 from scipy import stats 3 from numpy import mean, ptp, var, std 4 data=np.array([17, 19, 26, 29, 35, 19, 21]) 5 6 w = [0.1, 0.1, 0.2, 0.1, 0.3, 0.1, 0.1] 7 8 print("排序：",np.sort(data)) 9 print("求和：",np.sum(data)) 10 11 print("\n集中趋势") 12 13 print("众数：",stats.mode(data)[0][0]) 14 print("中位数：",np.median(data)) 15 print("平均数：",np.mean(data)) 16 print("25%分位数：",np.percentile(data, 25)) 17 print("50%分位数：",np.percentile(data, 50)) 18 print("75%分位数：",np.percentile(data, 75)) 19 print("四分位差：",np.percentile(data, 75)-np.percentile(data, 25)) 20 21 print("极差：",ptp(data)) 22 print("加权平均数：",np.average(data,weights=w)) 23 print("几何平均数：",stats.gmean(data)) 24 25 print("\n离中趋势") 26 27 print("方差：",var(data)) 28 print("标准差：",std(data)) 29 print("平均差：",np.sum(abs(data-np.mean(data)))/len(data)) 30 print("异众比率：",1-stats.mode(data)[1][0]/len(data)) 31 print("离散系数：",std(data)/np.mean(data)) 32 print("偏态系数：",stats.skew(data)) 33 print("峰态系数：",stats.kurtosis(data))
运行结果：
排序： [17 19 19 21 26 29 35] 求和： 166 集中趋势 众数： 19 中位数： 21.0 平均数： 23.714285714285715 25%分位数： 19.0 50%分位数： 21.0 75%分位数： 27.5 四分位差： 8.5 极差： 18 加权平均数： 26.200000000000003 几何平均数： 22.996368449077114 离中趋势 方差： 36.775510204081634 标准差： 6.0642815076546075 平均差： 5.387755102040816 异众比率： 0.7142857142857143 离散系数： 0.25572271417820636 偏态系数： 0.6820851611428496 峰态系数： -0.8763434634842784
标签：特殊 方差 算法 替代 media 广播 median import 线性代数
原文地址：https://www.cnblogs.com/zgq25302111/p/11256142.html
