파이썬의 수학 모듈 : 통계

Python의 모듈은 생물 통계 및 비즈니스 분석과 같은 데이터의 전반적인 특성을 빠르게 이해하는 데 도움이되는 강력한 데이터 통계 분석 기능을 제공합니다. 데이터 포인트를 하나씩 보는 대신 평균 또는 분산과 같은 통계를보고 무시할 수있는 원래 데이터에서 트렌드와 기능을 발견하고 대형 데이터 세트를보다 쉽고 효과적으로 비교하십시오.

이 자습서는 평균을 계산하고 데이터 세트의 분산 정도를 측정하는 방법을 설명합니다. 달리 명시되지 않는 한,이 모듈의 모든 함수는 단순히 평균을 합산하는 대신 함수를 사용하여 평균 값의 계산을 지원합니다. 부동 소수점 번호도 사용할 수 있습니다. statistics

Python 3.8에서 시작하여 및 함수를 사용하여 기하 평균 및 고조파 평균을 계산할 수 있습니다.

기하 평균은 데이터의 모든 n 값의 곱을 N 전력의 루트로 나누는 결과입니다. 플로팅 포인트 오류로 인해 결과가 약간 편향 될 수 있습니다. 기하학적 평균의 한 가지 적용은 복합 연간 성장률을 신속하게 계산하는 것입니다. 예를 들어, 회사의 4 년 판매는 각각 100, 120, 150 및 200입니다. 3 년 동안의 성장률은 각각 20%, 25% 및 33.33%였다. 회사의 평균 판매 성장률은 기하학적 평균 백분율로 정확하게 표현됩니다. 산술 평균은 항상 부정확하고 약간 더 높은 성장률을 제공합니다. mean()

고조파 평균은 데이터의 상호 상호적 인 평균의 역수 일뿐입니다. 데이터에 0 또는 음수가 포함 된 경우 a

import random
import statistics
from fractions import Fraction as F

int_values = [random.randrange(100) for x in range(9)]
frac_values = [F(1, 2), F(1, 3), F(1, 4), F(1, 5), F(1, 6), F(1, 7), F(1, 8), F(1, 9)]

mix_values = [*int_values, *frac_values]

print(statistics.mean(mix_values))
# 929449/42840

print(statistics.fmean(mix_values))
# 21.69582166199813

예외가 발생합니다.

고조파 평균은 평균 속도, 밀도 또는 평행 저항을 계산하는 것과 같은 비율과 속도의 평균을 계산하는 데 사용됩니다. 다음 코드는 누군가가 고정 거리를 이동할 때 평균 속도를 계산합니다 (여기서는 100km). geometric_mean(data, weights=None) harmonic_mean(data, weights=None) 발생 빈도가 같은 빈도를 가진 여러 값이 있으면 Python 3.8의

함수는 여러 결과를 반환 할 수 있습니다.

import statistics

growth_rates = [20, 25, 33.33]

print(statistics.mean(growth_rates))
# 26.11

print(statistics.geometric_mean(growth_rates))
# 25.542796263143476

중앙값

를 계산합니다 모드로 중심 값을 계산하는 것은 오해의 소지가있을 수 있습니다. 앞에서 언급했듯이 모드는 데이터 세트의 다른 값에 관계없이 항상 가장 빈번한 데이터 포인트입니다. 중심 위치를 결정하는 또 다른 방법은 함수를 사용하여 주어진 데이터 세트의 모집단 분산을 계산하는 것입니다. StatisticsError 이 함수의 두 번째 매개 변수는 선택 사항입니다. mu

의 값이 제공되면 주어진 데이터의 평균과 같아야합니다. 이 값이 누락되면 평균은 자동으로 계산됩니다. 이 기능은 전체 모집단의 분산을 계산하려는 경우 유용합니다. 데이터가 모집단의 샘플 인 경우 함수를 사용하여 샘플 분산을 계산할 수 있습니다. 여기서

는 주어진 샘플의 평균이며 제공되지 않으면 자동으로 계산됩니다.

모집단 표준 편차 및 샘플 표준 편차는 각각

import statistics

speeds = [30, 40, 60]
distance = 100

total_distance = len(speeds) * distance
total_time = 0

for speed in speeds:
    total_time += distance / speed

average_speed = total_distance / total_time

print(average_speed)
# 39.99999999999999

print(statistics.harmonic_mean(speeds))
# 40.0

및 함수를 사용하여 계산할 수 있습니다.

import random
import statistics
from fractions import Fraction as F

int_values = [random.randrange(100) for x in range(9)]
frac_values = [F(1, 2), F(1, 3), F(1, 4), F(1, 5), F(1, 6), F(1, 7), F(1, 8), F(1, 9)]

mix_values = [*int_values, *frac_values]

print(statistics.mean(mix_values))
# 929449/42840

print(statistics.fmean(mix_values))
# 21.69582166199813

위의 예에서 볼 수 있듯이, 더 작은 분산은 더 많은 데이터 포인트가 평균 값에 더 가깝다는 것을 의미합니다. 또한 소수점 및 분수의 표준 편차를 계산할 수도 있습니다.

요약

이 시리즈의 마지막 튜토리얼에서 모듈에 제공된 다양한 기능을 배웠습니다. 대부분의 경우 함수에 제공된 데이터가 정렬되어 있음을 알 수 있지만 정렬 할 필요는 없습니다. 이 튜토리얼에서는 정렬 된 목록을 사용하여 다른 함수와 입력 데이터로 반환 된 값 간의 관계를 쉽게 이해할 수 있기 때문에 사용했습니다.

위 내용은 파이썬의 수학 모듈 : 통계의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!