数据分析second week（7.22~7.28）

描述性统计Python实现

这周学习时间也就几个小时，由于python也正在学习,Anaconda也有，所以那些安装啥的就偷懒下不写了，直接贴出python代码

数据是随机生成，计算是调用库里的函数。

经过第一周的学习，对描述性统计有了比较深的理解，不过部分公式却是没太弄明白，希望自己继续努力。

其实，这周因为一些琐事差点放弃继续做作业，还好坚持了，希望自己不要放弃，坚持到底，加油！

其中的理论知识可以到https://www.cnblogs.com/-feng/p/11220643.html去看

实例代码

import numpy as np
import pandas as pd
from scipy import stats# 创建随机序列：
data = np.random.randint(10,50,1000)
data1 = pd.Series(data)
# 求众数
mod = data1.mode()[0]
# 求中位数
med = data1.median()
# 分位数，以四分位为例
Q1 = data1.quantile(0.25)
Q2 = data1.quantile(0.5)
Q3 = data1.quantile(0.75)
# 算术平均
mean = data1.mean()
# 加权平均
# 随机权重数组
qs = np.random.rand(data1.count())
tmp = data1*qs/qs.sum()
qm = tmp.sum()
# 几何平均
gmean=stats.gmean(data1)
# 方差
var = data1.var()
# 标准差
std = data1.std()
# 极差
range = data1.max() - data1.min()
# 平均差
mean_d = np.abs(data1 - data1.mean()).mean()
# 四分位差
Qd = Q3 - Q1
# 异众比率
vr = 1 - data1.value_counts()[data1.mode()].sum() / data1.count()
# 离散系数
v = std / mean
# 峰态系数
kur = stats.kurtosis(data1)
# 偏态系数
Cs = stats.skew(data1)
print('众数：{0}；中位数：{1}；\n四分位：\n第一分位Q1：{2}；第二分位Q2：{3}；第三分位Q3：{4}；'
      '\n算术平均:{5}；加权平均数：{6}；几何平均数：{7} ；\n方差：{8}；标准差：{9}；极差：{10}；'
      '平均差：{11}；四分位差：{12}；\n异众比率：{13}；离散系数：{14}；\n峰态系数：{15}；偏态系数；{16}'
      .format(mod, med, Q1, Q2, Q3, mean, qm, gmean, var, std, range, mean_d, Qd, vr, v, kur, Cs))
print('样本总数：',data1.shape[0])

实验结果

转载于:https://www.cnblogs.com/-feng/p/11261411.html