python在数据集中加上_【python数据分析】：描述性统计分析之集中趋势（平均值、众数、中位数、百分位数）...

•本文字数：约1300字•阅读时长：约5分钟•难度：2颗星

 集中趋势：

平均数(算数平均数、几何平均数、调和平均数)、众数、中位数等。

• 平均值： 指在一组数据中所有数据之和再除以数据的个数。

• 中位数：按顺序排列的一组数据中居于中间位置的数，即在这组数据中，有一半的数据比他大，有一半的数据比他小。

• 众数：在一组数据中,出现次数最多的数据；是样本观测值在频数表中频数最多的那一组的组中值。

• 四分位数：是指根据中位数分为2个部分后，再取每个部分的中位数。

模块导入

import numpy as npimport pandas as pdimport matplotlib.pyplot as plt%matplotlib inlineimport seaborn as snssns.set_style("darkgrid")plt.rcParams['font.sans-serif'] = ['SimHei']  # 中文字体设置-黑体plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题sns.set(font='SimHei',font_scale=1.5)  # 解决Seaborn中文显示问题并调整字体大小

算数平均数

# 创建数据data = pd.DataFrame({'value':np.random.randint(100,120,100),                    'f':np.random.rand(100)})data['f'] = data['f'] / data['f'].sum()  # f为权重，这里将f列设置成总和为1的权重占比print(data.head())print('------')# 简单算数平均值 = 总和 / 样本数量 (不涉及权重)mean = data['value'].mean()print('简单算数平均值为：%.2f' % mean)# 加权算数平均值 = (x1f1 + x2f2 + ... + xnfn) / (f1 + f2 + ... + fn)mean_w = (data['value'] * data['f']).sum() / data['f'].sum()print('加权算数平均值为：%.2f' % mean_w)

   value         f
0    105  0.013713
1    102  0.014311
2    107  0.005183
3    100  0.017619
4    116  0.019326
------
简单算数平均值为：108.82
加权算数平均值为：109.11

位置平均数

# 众数是一组数据中出现次数最多的数，这里可能返回多个值m = data['value'].mode()print('众数为',m.tolist())# 中位数指将总体各单位标志按照大小顺序排列后，中间位置的数字med = data['value'].median()print('中位数为%i' % med)# 密度曲线data['value'].plot(kind = 'kde',style = '--k',grid = True)# 简单算数平均值plt.axvline(mean,color='r',linestyle="--",alpha=0.8)  plt.text(mean + 5,0.005,'简单算数平均值为：%.2f' % mean, color = 'r')# 加权算数平均值plt.axvline(mean_w,color='b',linestyle="--",alpha=0.8)  plt.text(mean + 5,0.01,'加权算数平均值：%.2f' % mean_w, color = 'b')# 中位数# **这里三个数text显示的横坐标一致，目的是图示效果不拥挤plt.axvline(med,color='g',linestyle="--",alpha=0.8)  plt.text(mean + 5,0.015,'中位数：%i' % med, color = 'g')

众数为 [100, 108]
中位数为108

百分位数

#分位数 法一 (np.percentile)q1=np.percentile(data['value'],25)  #四分位q2=np.percentile(data['value'],95) #95%位数print('上四分位数:%s'%q1)print('95分位数:%s'%q2)#分位数 法二 (df.quantile)df=pd.Series(data['value'])print('下四分位数:%s'%(df.quantile(.75)))data['value'].plot.box(grid = True,color = color,figsize = (10,3))

上四分位数:104.0
95分位数:118.0
下四分位数:113.25

今天就先到这啦，早点休息哦~

加油，坚持就是胜利，学完你就是个宝藏女(男)孩啦~

一起学习的小伙伴如果有什么想法或者意见，欢迎沟通~

投稿|沟通邮箱：yzhmry1314@163.com