一 计算平均数函数mean()
>>>import statistics
>>> statistics.mean([1,2,3,4,5,6,7,8,9])#使用整数列表做参数
5
>>> statistics.mean(range(1,10))#使用range对象做参数
5
>>>import fractions
>>> x =[(3,7),(1,21),(5,3),(1,3)]
>>> y =[fractions.Fraction(*item)for item in x]
>>> y
[Fraction(3,7),Fraction(1,21),Fraction(5,3),Fraction(1,3)]
>>> statistics.mean(y)#使用包含分数的列表做参数
Fraction(13,21)
>>>import decimal
>>> x =('0.5','0.75','0.625','0.375')
>>> y = map(decimal.Decimal, x)
>>> statistics.mean(y)
Decimal('0.5625')
二 中位数函数median()、median_low()、median_high()、median_grouped()
>>> statistics.median([1,3,5,7])#偶数个样本时取中间两个数的平均数
4.0
>>> statistics.median_low([1,3,5,7])#偶数个样本时取中间两个数的较小者
3
>>> statistics.median_high([1,3,5,7])#偶数个样本时取中间两个数的较大者
5
>>> statistics.median(range(1,10))
5
>>> statistics.median_low([5,3,7]), statistics.median_high([5,3,7])
(5,5)
>>> statistics.median_grouped([5,3,7])
5.0
>>> statistics.median_grouped([52,52,53,54])
52.5
>>> statistics.median_grouped([1,3,3,5,7])
3.25
>>> statistics.median_grouped([1,2,2,3,4,4,4,4,4,5])
3.7
>>> statistics.median_grouped([1,2,2,3,4,4,4,4,4,5], interval=2)
3.4
三 返回最常见数据或出现次数最多的数据(most common data)的函数mode()
>>> statistics.mode([1,3,5,7])#无法确定出现次数最多的唯一元素
Traceback(most recent call last):
File"<pyshell#27>", line 1,in<module>
statistics.mode([1,3,5,7])#无法确定出现次数最多的唯一元素
File"D:\Python36\lib\statistics.py", line 507,in mode
'no unique mode; found %d equally common values'% len(table)
statistics.StatisticsError: no unique mode; found 4 equally common values
>>> statistics.mode([1,3,5,7,3])
3
>>> statistics.mode(["red","blue","blue","red","green","red","red"])
'red'
四
pstdev(),返回总体标准差(population standard deviation ,the square root of the population variance)
>>> statistics.pstdev([1.5,2.5,2.5,2.75,3.25,4.75])
0.986893273527251
>>> statistics.pstdev(range(20))
5.766281297335398
五 pvariance(),返回总体方差(population variance)或二次矩(second moment)
>>> statistics.pvariance([1.5,2.5,2.5,2.75,3.25,4.75])
0.9739583333333334
>>> x =[1,2,3,4,5,10,9,8,7,6]
>>> mu = statistics.mean(x)
>>> mu
5.5
>>> statistics.pvariance([1,2,3,4,5,10,9,8,7,6], mu)
8.25
>>> statistics.pvariance(range(20))
33.25
>>> statistics.pvariance((random.randint(1,10000)for i in range(30)))
>>>import random
>>> statistics.pvariance((random.randint(1,10000)for i in range(30)))
7117280.4
相关推荐
主要介绍了Python统计分析模块statistics用法,结合实例形式分析了Python统计分析模块statistics计算平均数、中位数、出现次数、标准差等相关操作技巧,需要的朋友可以参考下
SPSS统计分析基础教程 ...SPSS统计分析基础教程提供了SPSS软件的基本功能、实验环境要求、主要界面、附加模块功能、运行方式、安装步骤和操作入门等方面的知识点,为统计分析用户提供了详细的指导和帮助。
描述性统计分析是统计分析的第一步,做好这第一步是下面进行正确统计推断的先决条件。SPSS的许多模块均可完成描述性分析,但专门为该目的而设计的几个模块则集中在Descriptive Statistics菜单中,最常用的是列在最...
数据统计分析及方法SPSS教程完整版 本资源为数据统计分析及方法SPSS教程完整版,旨在提供SPSS软件的详细介绍和使用指南。内容涵盖SPSS软件概述、功能强大、实验环境要求、主要界面、帮助系统、附加模块功能、运行...
SPSS Statistics+ AMOS v23是专门为具有先进的统计方法和研究工具知识的分析师和统计程序员而构建的,他们可以更好地做出决策。 为了确保分析人员和业务用户正在使用高级技术,SPSS对SPSS Statistics Base及其高级...
AppVeyor 工作服下载介绍统计分析去做使用Update-TypeData 显示Show-Measurement显示值...包括最小值和最大值限制在Show-Measurement显示的范围检查负值的处理更多测试平均滑动通过添加属性Property , Group和...
SPSS Statistics+ AMOS v23是专门为具有先进的统计方法和研究工具知识的分析师和统计程序员而构建的,他们可以更好地做出决策。 为了确保分析人员和业务用户正在使用高级技术,SPSS对SPSS Statistics Base及其高级...
SPSS Statistics+ AMOS v23是专门为具有先进的统计方法和研究工具知识的分析师和统计程序员而构建的,他们可以更好地做出决策。 为了确保分析人员和业务用户正在使用高级技术,SPSS对SPSS Statistics Base及其高级...
SPSS Statistics+ AMOS v23是专门为具有先进的统计方法和研究工具知识的分析师和统计程序员而构建的,他们可以更好地做出决策。 为了确保分析人员和业务用户正在使用高级技术,SPSS对PSS Statistics Base及其高级...
SPSS Statistics+ AMOS v23是专门为具有先进的统计方法和研究工具知识的分析师和统计程序员而构建的,他们可以更好地做出决策。 为了确保分析人员和业务用户正在使用高级技术,SPSS对IBM SPSS Statistics Base及其...
SPSS Statistics+ AMOS v23是专门为具有先进的统计方法和研究工具知识的分析师和统计程序员而构建的,他们可以更好地做出决策。 为了确保分析人员和业务用户正在使用高级技术,SPSS对IBM SPSS Statistics Base及其...
SPSS Statistics+ AMOS v23是专门为具有先进的统计方法和研究工具知识的分析师和统计程序员而构建的,他们可以更好地做出决策。 为了确保分析人员和业务用户正在使用高级技术,SPSS对SPSS Statistics Base及其高级...
SPSS Statistics+ AMOS v23是专门为具有先进的统计方法和研究工具知识的分析师和统计程序员而构建的,他们可以更好地做出决策。 为了确保分析人员和业务用户正在使用高级技术,SPSS对SPSS Statistics Base及其高级...
SPSS Statistics+ AMOS v23是专门为具有先进的统计方法和研究工具知识的分析师和统计程序员而构建的,他们可以更好地做出决策。 为了确保分析人员和业务用户正在使用高级技术,SPSS对IBM SPSS Statistics Base及其...
使用ANOVA,MANOVA和Holt的线性平滑模型对数据进行统计分析的各个项目,包括多元线性和Logistic回归等回归分析,预测销售的时间序列分析。 独立样本T检验,独立性卡方检验也已进行。 #TOOLS:IBM SPSS Statistics,...
摘要:本文介绍了如何将用户自定义的功能模块与IBMSPSSStatistics进行集成,如何利用Statistics提供的统计分析方法对功能模块的输入数据进行预处理,并对集成结果进行分析与演示。近年来,商业分析...
矩阵代数是多元统计分析的重要工具, Stata 提供了多元统计分析中所需的矩阵基本运算,如矩阵的加、积、逆、 Cholesky 分解、 Kronecker 内积等;还提供了一些高级运算,如特征根、特征向量、奇异值分解等;在执行...
MATLAB包含统计和机器学习工具箱(Statistics and Machine Learning Toolbox),其包含如下一些子模块:探索性数据分析、数据降维、机器学习、回归和方差分析、概率分布拟合及假设检验等功能模块。