第7弹：Python描述性统计-衡量中心趋势和可变性

文章字数1239，干货满满~

1.目标

在我们上一篇教程中，我们研究了Python图表。今天，我们将学习Python描述性统计。在这个Python统计学教程中，我们将讨论什么是数据分析，Python中的中心趋势：均值，中位数和模式。此外，我们将讨论Python Dispersion和Python Pandas Descriptive Statistics。除此之外，我们将介绍Python中的方差以及如何计算一组值的可变性。

那么，让我们开始Python Descriptive Statistics Tutorial。

Python描述性统计 - 衡量中心趋势和可变性

2.数据分析

通过数据分析，我们使用两种主要的统计方法 -描述性和推理性。

描述性统计使用样本的均值和标准差等工具来汇总数据。

另一方面，推论统计可以查看可随机变化的数据，然后从中得出结论。

一些这样的变化包括观察误差和采样变化。

3. Python描述性统计

Python描述性统计过程描述了研究中数据的基本特征。它提供有关样本和度量的摘要，不会使用数据来了解它所代表的人口。

在描述性统计下，下降两组属性 -集中趋势和分散趋势。Python包括均值，中位数和模式。Python Dispersion是一种实践术语，表示分布成员与中心彼此之间的距离。方差/标准差是衡量变异性的一种方法。

4. Python描述性统计 - 中心趋势

我们已经看到了集中趋势或中心位置。现在让我们来看看Python为我们提供的所有函数来计算分布的集中趋势。为此，让我们导入Python统计模块。

Python描述性统计 - 中心趋势

a. mean()

此函数返回其操作的数据的算术平均值。如果在空容器上调用数据，则会引发StatisticsError。

4.5

Fraction(97, 84)

2

b. mode()

此函数返回一组数据中众数。让我们对中心的位置有了一个很好的了解。

7

‘B’

c. median()

此函数返回中位数

5.5

d. harmonic_mean()

此函数返回数据的调和平均值又称倒数平均数 。对于三个值a，b和c，调和平均值是 -

3 /（1 / a + 1 / b + 1 / c）

它是衡量中心的标准; 一个这样的例子就是速度。

e. median_low()

当数据具有偶数长度时，这为我们提供了较低的数据中值。否则，它返回中间值。

2

2

f. median_high()

与median_low类似，当数据为偶数长度时，返回高中位数。否则，它返回中间值。

2

3

G。median_grouped（）

此函数使用插值返回分组连续数据的中值。这是50 个百分位数。

3

3.25

3.5

5. Python描述性统计 - 分散

Python描述性统计 - 分散

a. variance()

返回样本的方差

b. pvariance()

返回数据的总体方差。用它来计算整个总体的方差。

6.69

c. stdev()

这将返回样本的标准偏差。这等于样本方差的平方根。

d. pstdev()

这将返回总体标准差。

所述统计模块定义一个exception-

exception statistics.StatisticsError

这是ValueError的子类。

6.使用pandas的Python描述性统计

我们也可以用pandas做同样的事情 -

0 4.9

dtype：float64

0 7

0 2.726414

dtype：float64

0 -0.115956＃分布是对称的

dtype：float64

小于-1的值向左倾斜; 大于1的人向右倾斜。介于-1和1之间的值是对称的。

这就是Python Descriptive Statistics Tutorial。

7.结论

我们研究了Python Descriptive Statistics，其中我们学习了Python Statistics Module中使用的Central Tendency＆Dispersion。另外，我们使用了统计数据和pandas模块，在下面留言。

我是极客

崇尚科学、自由与创新，追求极客装备、热爱数据技术、算法思路、产品研发 “如果你对世界充满好奇心和探索精神，并愿意自己去创造哪怕一些改变——这其实就够了”

更多干货文章，更多新鲜事物，等你来发现，马上关注公众号！