Python测量中心趋势


数学中心趋势意味着测量数据集中值或位置的分布。它给出了数据集中数据的平均值的一个概念,也表明数据集中数值的扩展程度。这反过来有助于评估新的输入符合现有数据集的可能性,从而有助于评估成功的可能性。

有三种主要的集中趋势度量可以使用pandas python库中的方法来计算。

  • 平均数 - 这是数据的平均值,它是值与数值总和的分界。

  • 中位数 - 当值按升序或降序排列时,它是分布中的中间值。

  • 模式 - 这是分配中最常见的价值。

Calculating Mean and Median

熊猫函数可以直接用来计算这些值。

import pandas as pd

#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
   'Lee','Chanchal','Gasper','Naviya','Andres']),
   'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])}

#Create a DataFrame
df = pd.DataFrame(d)
print "Mean Values in the Distribution"
print df.mean()
print "*******************************"
print "Median Values in the Distribution"
print df.median()

输出 如下 -

Mean Values in the Distribution
Age       31.833333
Rating     3.743333
dtype: float64
*******************************
Median Values in the Distribution
Age       29.50
Rating     3.79
dtype: float64

计算模式

根据数据是否连续或者是否存在具有最大频率的值,模式可能会或可能不会在分布中可用。我们通过下面的简单分布来找出模式。这里我们有一个在分布中具有最大频率的值。

import pandas as pd

#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
   'Lee','Chanchal','Gasper','Naviya','Andres']),
   'Age':pd.Series([25,26,25,23,30,25,23,34,40,30,25,46])}
#Create a DataFrame
df = pd.DataFrame(d)

print df.mode()

输出 如下 -

chartprop2.png

Age      Name
0   25.0    Andres
1    NaN  Chanchal
2    NaN    Gasper
3    NaN      Jack
4    NaN     James
5    NaN       Lee
6    NaN    Naviya
7    NaN     Ricky
8    NaN     Smith
9    NaN     Steve
10   NaN       Tom
11   NaN       Vin