时间:2021-05-22
本文实例讲述了Python统计分析模块statistics用法。分享给大家供大家参考,具体如下:
一 计算平均数函数mean()
>>>import statistics>>> statistics.mean([1,2,3,4,5,6,7,8,9])#使用整数列表做参数5>>> statistics.mean(range(1,10))#使用range对象做参数5>>>import fractions>>> x =[(3,7),(1,21),(5,3),(1,3)]>>> y =[fractions.Fraction(*item)for item in x]>>> y[Fraction(3,7),Fraction(1,21),Fraction(5,3),Fraction(1,3)]>>> statistics.mean(y)#使用包含分数的列表做参数Fraction(13,21)>>>import decimal>>> x =('0.5','0.75','0.625','0.375')>>> y = map(decimal.Decimal, x)>>> statistics.mean(y)Decimal('0.5625')二 中位数函数median()、median_low()、median_high()、median_grouped()
>>> statistics.median([1,3,5,7])#偶数个样本时取中间两个数的平均数4.0>>> statistics.median_low([1,3,5,7])#偶数个样本时取中间两个数的较小者3>>> statistics.median_high([1,3,5,7])#偶数个样本时取中间两个数的较大者5>>> statistics.median(range(1,10))5>>> statistics.median_low([5,3,7]), statistics.median_high([5,3,7])(5,5)>>> statistics.median_grouped([5,3,7])5.0>>> statistics.median_grouped([52,52,53,54])52.5>>> statistics.median_grouped([1,3,3,5,7])3.25>>> statistics.median_grouped([1,2,2,3,4,4,4,4,4,5])3.7>>> statistics.median_grouped([1,2,2,3,4,4,4,4,4,5], interval=2)3.4三 返回最常见数据或出现次数最多的数据(most common data)的函数mode()
>>> statistics.mode([1,3,5,7])#无法确定出现次数最多的唯一元素Traceback(most recent call last):File"<pyshell#27>", line 1,in<module>statistics.mode([1,3,5,7])#无法确定出现次数最多的唯一元素File"D:\Python36\lib\statistics.py", line 507,in mode'no unique mode; found %d equally common values'% len(table)statistics.StatisticsError: no unique mode; found 4 equally common values>>> statistics.mode([1,3,5,7,3])3>>> statistics.mode(["red","blue","blue","red","green","red","red"])'red'四 pstdev(),返回总体标准差(population standard deviation ,the square root of the population variance)
>>> statistics.pstdev([1.5,2.5,2.5,2.75,3.25,4.75])0.986893273527251>>> statistics.pstdev(range(20))5.766281297335398五 pvariance(),返回总体方差(population variance)或二次矩(second moment)
>>> statistics.pvariance([1.5,2.5,2.5,2.75,3.25,4.75])0.9739583333333334>>> x =[1,2,3,4,5,10,9,8,7,6]>>> mu = statistics.mean(x)>>> mu5.5>>> statistics.pvariance([1,2,3,4,5,10,9,8,7,6], mu)8.25>>> statistics.pvariance(range(20))33.25>>> statistics.pvariance((random.randint(1,10000)for i in range(30)))>>>import random>>> statistics.pvariance((random.randint(1,10000)for i in range(30)))7117280.4更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》
希望本文所述对大家Python程序设计有所帮助。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
淘宝网店统计分析数据统计分析方法?淘宝网店在开展店面数据统计分析的情况下,会应用到淘宝大数据剖析服务平台,由于这种服务平台能够精确的帮您剖析出数据信息,诸位淘宝
网上卖东西怎样开展会员制营销?必须从哪些层面考虑到呢? 人气值管理方法 统计分析vip会员的主题活动状况,如何去统计分析,根据统计分析哪些数据信息呢?下边我
更为最常见的数据统计分析专用工具,淘宝生意参谋是商家们不可或缺的,近日,淘宝生意参谋“分销数据统计分析”商品上线!淘宝生意参谋的分销数据统计分析通道在哪儿?有哪
支付订单数和订单明细的统计分析层面是不一样的:一,支付订单数是按支付時间统计分析订单信息订单数,订单明细是按订单信息拍下(建立)時间统计分析。举例说明:7月1日
生e经的关键数据统计分析分成流量统计,销售分析,商品剖析和行业现状。可以对店面的总流量、市场销售、商品、领域开展多方位数据统计分析,协助商家提升商品文章标题、搞