本文实例讲述了Python统计分析模块statistics用法。分享给大家供大家参考,具体如下:

一 计算平均数函数mean()

>import statistics
> statistics.mean([1,2,3,4,5,6,7,8,9])#使用整数列表做参数
5
> statistics.mean(range(1,10))#使用range对象做参数
5
>import fractions
> x =[(3,7),(1,21),(5,3),(1,3)]
> y =[fractions.Fraction(*item)for item in x]
> y
[Fraction(3,7),Fraction(1,21),Fraction(5,3),Fraction(1,3)]
> statistics.mean(y)#使用包含分数的列表做参数
Fraction(13,21)
>import decimal
> x =('0.5','0.75','0.625','0.375')
> y = map(decimal.Decimal, x)
> statistics.mean(y)
Decimal('0.5625')

二 中位数函数median()、median_low()、median_high()、median_grouped()

> statistics.median([1,3,5,7])#偶数个样本时取中间两个数的平均数
4.0
> statistics.median_low([1,3,5,7])#偶数个样本时取中间两个数的较小者
3
> statistics.median_high([1,3,5,7])#偶数个样本时取中间两个数的较大者
5
> statistics.median(range(1,10))
5
> statistics.median_low([5,3,7]), statistics.median_high([5,3,7])
(5,5)
> statistics.median_grouped([5,3,7])
5.0
> statistics.median_grouped([52,52,53,54])
52.5
> statistics.median_grouped([1,3,3,5,7])
3.25
> statistics.median_grouped([1,2,2,3,4,4,4,4,4,5])
3.7
> statistics.median_grouped([1,2,2,3,4,4,4,4,4,5], interval=2)
3.4

三 返回最常见数据或出现次数最多的数据(most common data)的函数mode()

> statistics.mode([1,3,5,7])#无法确定出现次数最多的唯一元素
Traceback(most recent call last):
File"<pyshell#27>", line 1,in<module>
statistics.mode([1,3,5,7])#无法确定出现次数最多的唯一元素
File"D:\Python36\lib\statistics.py", line 507,in mode
'no unique mode; found %d equally common values'% len(table)
statistics.StatisticsError: no unique mode; found 4 equally common values
> statistics.mode([1,3,5,7,3])
3
> statistics.mode(["red","blue","blue","red","green","red","red"])
'red'

四  pstdev(),返回总体标准差(population standard deviation ,the square root of the population variance)

> statistics.pstdev([1.5,2.5,2.5,2.75,3.25,4.75])
0.986893273527251
> statistics.pstdev(range(20))
5.766281297335398

五 pvariance(),返回总体方差(population variance)或二次矩(second moment)

> statistics.pvariance([1.5,2.5,2.5,2.75,3.25,4.75])
0.9739583333333334
> x =[1,2,3,4,5,10,9,8,7,6]
> mu = statistics.mean(x)
> mu
5.5
> statistics.pvariance([1,2,3,4,5,10,9,8,7,6], mu)
8.25
> statistics.pvariance(range(20))
33.25
> statistics.pvariance((random.randint(1,10000)for i in range(30)))
>import random
> statistics.pvariance((random.randint(1,10000)for i in range(30)))
7117280.4

更多关于Python相关内容感兴趣的读者可查看本站专题:《Python数学运算技巧总结》、《Python数据结构与算法教程》、《Python函数使用技巧总结》、《Python字符串操作技巧汇总》及《Python入门与进阶经典教程》

希望本文所述对大家Python程序设计有所帮助。

华山资源网 Design By www.eoogi.com
广告合作:本站广告合作请联系QQ:858582 申请时备注:广告合作(否则不回)
免责声明:本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除!
华山资源网 Design By www.eoogi.com

《魔兽世界》大逃杀!60人新游玩模式《强袭风暴》3月21日上线

暴雪近日发布了《魔兽世界》10.2.6 更新内容,新游玩模式《强袭风暴》即将于3月21 日在亚服上线,届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。

艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕,并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时,他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中,玩家将会进入一个全新的海盗主题大逃杀式限时活动,其中包含极高的风险和史诗级的奖励。

《强袭风暴》不是普通的战场,作为一个独立于主游戏之外的活动,玩家可以用大逃杀的风格来体验《魔兽世界》,不分职业、不分装备(除了你在赛局中捡到的),光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式,玩家在加入海盗主题的预赛大厅区域前,可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹,《巨龙崛起》和《魔兽世界:巫妖王之怒 经典版》的玩家都可以获得奖励。