Python-statistics模塊

• 隨着互聯網的普及，整個互聯網每天都會產生海量的數據，如何有效地處理這些數據成為了互聯網人的必備技能，
• 而 Python 內置的 statistics 模塊提供了基本的數據統計操作。

• 常用功能

• mean(data)

• mean(data) 用於求給定序列或者迭代器的算術平均數。

• import statistics
  example_list = [1,2,3,4,5,6]
  x = statistics.mean(example_list)
  print(x)
  
  # 輸出結果
  3.5

   

• harmonic_mean(data)

  harmonic_mean(data) 用於計算數據的調和均值。

• x = statistics.harmonic_mean(example_list)
  print(x)
  print(1/sum([1/1,1/2,1/3,1/4,1/5,1/6])*6)
  
  # 輸出結果
  2.4489795918367347
  2.448979591836735

   

• median(data)

• median(data) 計算數據的中位數。如果有兩個中位數，則返回其平均值。

• x = statistics.median(example_list)
  print(x)
  
  # 輸出結果
  3.5

   

• median_low(data)

• median_low(data) 也是用於計算中位數的，如果有兩個中位數，返回較小的那個。

• median_high(data)

  median_high(data) 也是用於計算中位數的，如果有兩個中位數，返回較大的那個。

• mode(data)

• mode(data) 計算眾數，也就是序列中出現次數最多的元素。

• x = statistics.mode([1,1,2,3,4,3,3,3,3])
  print(x)
  
  x = statistics.mode(["a","b","c","d","d","a","a",])
  print(x)
  
  # 輸出結果
  3
  a

   

• pstdev(data, mu=None)

• pstdev(data, mu=None) 用於計算數據的總體標准差。其中 mu 是序列的均值，
• 如果你已經知道了該序列的均值，可傳入該參數以減少計算量，當然該函數不會去驗證你傳入的均值是否合法，使用錯誤的均值可能會產生無效的結果。

• x = statistics.pstdev([2,2,2,6])
  print(x)
  
  # 輸出結果
  1.7320508075688772

   

• pvariance(data, mu=None)

• pvariance(data, mu=None) 用於計算數據的總體方差。

• x = statistics.pvariance([2,2,2,6])
  print(x)
  
  # 輸出結果
  3

   

• stdev(data, xbar=None)

  stdev(data, xbar=None) 用於計算數據的樣本標准差。其中 xbar 是序列的均值，如果你已經知道了該序列的均值，可傳入該參數以減少計算量，當然該函數不會去驗證你傳入的均值是否合法，使用錯誤的均值可能會產生無效的結果。

• variance(data, xbar=None)

  variance(data, xbar=None) 用於計算數據的樣本方差。