[[399984]]

本文轉(zhuǎn)載自微信公眾號(hào)「大數(shù)據(jù)DT」，作者保羅·戴特爾 。轉(zhuǎn)載本文請(qǐng)聯(lián)系大數(shù)據(jù)DT公眾號(hào)。

本文我們將討論如何使用描述性統(tǒng)計(jì)數(shù)據(jù)進(jìn)行數(shù)據(jù)分析，包括：

• 均值——一組值的平均值;
• 中值——當(dāng)所有值按順序排列時(shí)的中間值;
• 眾數(shù)——最常出現(xiàn)的值。

以上這些都是集中趨勢(shì)度量，每種都會(huì)產(chǎn)生一個(gè)值來(lái)表示一組值中的“中心”值，或者說(shuō)，在某種意義上是這組值中的典型值。

我們來(lái)計(jì)算一個(gè)整數(shù)列表的均值、中值和眾數(shù)。下面的代碼段創(chuàng)建一個(gè)名為grades的列表，然后使用內(nèi)置的sum和len函數(shù)來(lái)“手動(dòng)”計(jì)算平均值——sum計(jì)算grade的總和(397)，len計(jì)算grade的個(gè)數(shù)(5)：

grades = [85, 93, 45, 89, 85] 
 
sum(grades) / len(grades) 

與函數(shù)min和max(在《手把手教你用Python求最大值和最小值》一文中介紹)類似，sum和len都是函數(shù)式編程中約簡(jiǎn)的示例，它們會(huì)將值合集減少為單個(gè)值——值的總和與值的數(shù)量。

Python標(biāo)準(zhǔn)庫(kù)的statistics模塊提供了計(jì)算均值、中值和眾數(shù)的函數(shù)，這些同樣也是約簡(jiǎn)。要使用這些功能，首先需要導(dǎo)入statistics模塊，如下：

import statistics 

然后，可以使用“statistics.”加上需要調(diào)用的函數(shù)名稱來(lái)訪問(wèn)模塊的功能。下面的代碼使用statistics模塊的mean、median和mode函數(shù)分別計(jì)算列表grades的均值(79.4)、中值(85)和眾數(shù)(85)：

statistics.mean(grades) 
 
statistics.median(grades) 
 
statistics.mode(grades) 

其中，每個(gè)函數(shù)的參數(shù)都必須是可迭代的，在本例中為列表grades。要確認(rèn)中值和眾數(shù)是否正確，可以使用內(nèi)置的sorted函數(shù)來(lái)得到列表grades按值的遞增順序排列的副本：

sorted(grades) 

結(jié)果：

[45, 85, 85, 89, 93] 

列表grades具有奇數(shù)個(gè)值(5)，因此median返回中間值(85)。如果列表包含偶數(shù)個(gè)值，則median會(huì)返回兩個(gè)中間值的平均值。從排好序的列表可以看到85是眾數(shù)，因?yàn)樗霈F(xiàn)的次數(shù)最多(兩次)。類似于下面的列表會(huì)導(dǎo)致mode函數(shù)產(chǎn)生一個(gè)StatisticsError：

[85, 93, 45, 89, 85, 93] 

因?yàn)槠渲杏袃蓚€(gè)或更多個(gè)“出現(xiàn)最多”的值。這樣的一組值是雙峰的，85和93都出現(xiàn)了兩次。

關(guān)于作者：保羅·戴特爾，Deitel&Associates公司首席執(zhí)行官兼首席技術(shù)官，畢業(yè)于麻省理工學(xué)院，擁有38年的計(jì)算經(jīng)驗(yàn)。保羅是世界上最有經(jīng)驗(yàn)的編程語(yǔ)言培訓(xùn)師之一，自1992年以來(lái)一直針對(duì)軟件開發(fā)人員教授專業(yè)課程。他服務(wù)過(guò)的國(guó)際客戶包括思科、IBM、西門子、Oracle、戴爾、富達(dá)、美國(guó)國(guó)家航空航天局肯尼迪航天中心等。

本文摘編自《Python程序設(shè)計(jì)：人工智能案例實(shí)踐》，經(jīng)出版方授權(quán)發(fā)布。