描述性统计Python实现

这周学习时间也就几个小时，由于python也正在学习,Anaconda也有，所以那些安装啥的就偷懒下不写了，直接贴出python代码

数据是随机生成，计算是调用库里的函数。

经过第一周的学习，对描述性统计有了比较深的理解，不过部分公式却是没太弄明白，希望自己继续努力。

其实，这周因为一些琐事差点放弃继续做作业，还好坚持了，希望自己不要放弃，坚持到底，加油！

其中的理论知识可以到https://www.cnblogs.com/-feng/p/11220643.html去看

实例代码

import numpy as np

import pandas as pd

from scipy import stats# 创建随机序列：

data = np.random.randint(10,50,1000)

data1 = pd.Series(data)

# 求众数

mod = data1.mode()[0]

# 求中位数

med = data1.median()

# 分位数，以四分位为例

Q1 = data1.quantile(0.25)

Q2 = data1.quantile(0.5)

Q3 = data1.quantile(0.75)

# 算术平均

mean = data1.mean()

# 加权平均

# 随机权重数组

qs = np.random.rand(data1.count())

tmp = data1*qs/qs.sum()

qm = tmp.sum()

# 几何平均

gmean=stats.gmean(data1)

# 方差

var = data1.var()

# 标准差

std = data1.std()

# 极差

range = data1.max() - data1.min()

# 平均差

mean_d = np.abs(data1 - data1.mean()).mean()

# 四分位差

Qd = Q3 - Q1

# 异众比率

vr = 1 - data1.value_counts()[data1.mode()].sum() / data1.count()

# 离散系数

v = std / mean

# 峰态系数

kur = stats.kurtosis(data1)

# 偏态系数

Cs = stats.skew(data1)

print('众数：{0}；中位数：{1}；\n四分位：\n第一分位Q1：{2}；第二分位Q2：{3}；第三分位Q3：{4}；'

      '\n算术平均:{5}；加权平均数：{6}；几何平均数：{7} ；\n方差：{8}；标准差：{9}；极差：{10}；'

      '平均差：{11}；四分位差：{12}；\n异众比率：{13}；离散系数：{14}；\n峰态系数：{15}；偏态系数；{16}'

      .format(mod, med, Q1, Q2, Q3, mean, qm, gmean, var, std, range, mean_d, Qd, vr, v, kur, Cs))

print('样本总数：',data1.shape[0])

巴特西

数据分析second week（7.22~7.28）

描述性统计Python实现

实例代码

实验结果

最新文章

热门文章