python统计分析——单变量分布的特征描述之分布中心

参考资料：python统计分析【托马斯】

也可查看：python统计分析——单变量描述统计-CSDN博客

        当我们有一个来自分布的数据样本时，我们可以用不同的参数来描述分布中心。因此，数据可以用两种方式来评估：

        （1）用它们的值；

        （2）用他们的秩（即按大小排序时的列表编号）。

1、均值

        默认来说，当我们讲到均值的时候，我们指的是算术均值

        我们可以使用命令np.mean来找到数组x的均值。

        现实生活中的数据通常包含缺失值，在许多情况下，缺失值用nan来代替（nan代表“非数字”，即not a number）。对于包括nan的数组的统计，numpy具有许多处理nan的函数。

import numpy as np

x=np.arange(10)
# 计算均值
np.mean(x)

# 在x数组中添加一个nan
xWithNan=np.hstack((x,np.nan))
xWithNan

当数组中有nan时，用np.nanmean()函数来计算数据均值。

2、中位数

        中位数是当数据按顺序排序时中间的值。与均值不同，中位数不受离群数据点的影响。计算中位数的函数为np.median()，代码效果如下：

np.median(x)

        注意，如果像我们这个例子中一样，一个分布是对称的，那么它的均值和中位数会重合。

3、众数

        众数是一个分布中出现最频繁的值。

        找到众数最简单的方法是scipy.stats中对应的函数，它能够提供众数值和频数。函数为：scipy.stats.mode()。代码展示如下：

# 导入库
from scipy import stats
# 模拟数据
data=[1,3,4,4,7]
# 求众数
stats.mode(data)

4、几何均值

        在某些情况下，几何平均可以用来描述分布的位置。它可以通过计算每个值对数的算术平均数来得到。python中计算几何均值的函数为：scipy.stats.gmean()。代码展示如下：

# 模拟数据
x=np.arange(1,101)
# 计算几何均值
stats.gmean(x)

        注意，计算几何均值的输入数字必须是正的。