基于python实现数据的描述性统计(二)
基于前文理论基础上,本文将利用Python的Numpy和scipy中的stats库实现描述性统计相关内容。
本文使用的工具是Pycharm,对任意数组进行实践。
利用Numpy和scipy中的stats实现数据的描述性统计
主要包括平均值、中位数、众数、极差、方差、标准差、平均差、四分位差、离散系数、偏度和峰度等内容
import numpy as np
import scipy.stats
arr=np.array([45,32,90,56,21,36,75,21,15,26])
Q1=np.percentile(arr,25) #四分位第一位
Q2=np.percentile(arr,50) #四分位第二位
Q3=np.percentile(arr,75) #四分位第三位
print("平均值:",np.mean(arr)) #平均值
print("中位数:",np.median(arr)) #中位数
print("众数:",scipy.stats.mode(arr)) #众数
print("Max-Min:",np.max(arr)-np.min(arr)) #极差
print("极差:",np.ptp(arr)) #极差
print("方差:",np.var(arr)) #方差
print("标准差:",np.std(arr)) #标准差
print('平均差:',np.sum(abs(arr-np.mean(arr)))/len(arr)) #平均差
print("四分位差&