3.1 分布特征

from scipy import stats as sts
import numpy as np

data = np.loadtxt('salary.csv',delimiter=",")  # 读取数据

# 代码3-1
print('众数为：',sts.mode(data,axis=None))

众数为： ModeResult(mode=array([3880.]), count=array([2]))

print('中位数为：',np.median(data))

中位数为： 3905.0

print('下四分位数为：',sts.scoreatpercentile(data,25,interpolation_method='lower'))

下四分位数为： 3850.0

# 代码3-4
print('3850所处分位数为：',sts.percentileofscore(data,3850))

3850所处分位数为： 25.0

# 代码3-5
print('简单算术平均数为：',sts.tmean(data))  # 方法一

简单算术平均数为： 3931.6666666666665

print('简单算术平均数为：',np.mean(data))  # 方法二

简单算术平均数为： 3931.6666666666665

# 代码3-6
print('调和平均数为：',sts.hmean(data))

调和平均数为： 3926.7897495993657

# 代码3-7
print('几何平均数为：',sts.gmean(data))

几何平均数为： 3929.2144614926315

# 代码3-8
print('极差为：',np.ptp(data))

极差为： 515.0

# 代码3-9
QU = sts.scoreatpercentile(data, 75, interpolation_method='lower')
QL = sts.scoreatpercentile(data, 25, interpolation_method='lower')
print('四分位数间距为：', QU - QL)

四分位数间距为： 100.0

# 代码3-10
print('样本方差为：',sts.tvar(data))

样本方差为： 21274.24242424242

# 代码3-11
print('样本标准差为：',sts.tstd(data))

样本标准差为： 145.85692449877865

# 代码3-12
print('变异系数为：',sts.tstd(data)/sts.tmean(data))

变异系数为： 0.03709798842698906

# 代码3-13
print('偏度为：',sts.skew(data))

偏度为： 0.5325875397307566

# 代码3-14
print('峰度为：',sts.kurtosis(data))

峰度为： -0.2396155690457311