python求均值等统计量备忘

关于均值

求解均值，例如有这么一组数据存放在Excel中，可能是所用的时间，可能是一些距离，可能是一些价格…等等
均值可能会受极端值的影响，所以比赛中常常去掉一个最高分去掉一个最低分，再求均值。
在含有极端值总体中,由于样本均值不具有耐抗性,往往难以代表"平均水平",
有时候也要考虑怎么处理这种极端情况，因为一两个偶然的结论数据就会导致一项研究的整个结论被改写。如何处理异常值是另外一件事情，且按下不表。

显然均值起源于统计学，统计学是数学的一个分支，它使我们能够有系统地分类、分析和解释数据。 统计经常用图形来表达。图形能够组织数据、表达数据之间的趋势和关系。

想象一下，如果每次需要切割一块木头时都需要重新制作锯，是不是太麻烦了。每次做锯，即使是完成同样的任务，也会出现许多人用不同的名称来命名这种工具。 为避免出现这种状况，我们给了这个工具一个名称，锯，每个人都可以引用它。

统计数据也是如此，我们拥有大家都熟悉的众所周知的工具，平均值mean就是这样一种工具，与此类似，还有众数mode、中位数median等。

• 均值(Mean) (1+2+3+3+5+7+7+8+9+10)/10 5.5 算术平均数。求和，除个数
• 中位数(Median) (5+7)/2 6 从小到大排序;选取中间的数求算术平均数
• 众数(Mode) 3,7 3,7 数据集中出现次数最多的数

python方法

读Excel数据

import xlrd
import numpy as np
from scipy import stats
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series, DataFrame

data = xlrd.open_workbook('wjxData20210821.xls')
table = data.sheet_by_name('usedtime')
usedtime = table.col_values(3)[1:]
print(usedtime)
print(type(usedtime))

结果

统计变量说明

代码接上

df = pd.DataFrame(usedtime) 
print(df.describe())

count：数量统计，此列共有多少有效值
mean：均值
std：标准差
min：最小值
25%：四分之一分位数
50%：二分之一分位数
75%：四分之三分位数
max：最大值

箱线图

代码接上

plt.grid(linestyle="--", alpha = 0.3)
df.boxplot()
plt.show()

箱线图说明

求均值、众数等

代码接上

print("均值")
print(np.mean(usedtime))    #均值
print("中位数")
print(np.median(usedtime))  #中位数
print("众数")
print(stats.mode(usedtime)[0][0])  #众数