这两天学习一点统计学的知识。
均值：均值就是将所有数字加起来，然后除以数字个数。
均值作用：给出典型值（不存在异常值时用）
均值危害：存在当常值时会将数据向左或向右偏斜，它会给出一个不存在于数据集中区的数值。
异常值：与其他数据格格不入的极高或极低的数值。
1.png
实例：下面是一个游泳班的成员年龄：
2.png
参加这个班的有9个孩子及其父母，分别求出年龄的均值和中位数，还要画出直方图。
我试着用代码实现：
3.png
使用Series()给数据添加标签：
4.png
使用value_counts()统计各个年龄出现的频率（频数），按照降序排列：
5.png
使用mean()计算年龄是均值：
6.png
定义一个get_median()函数用于计算年龄的中位数：
7.png
其中size存储着所有年龄的个数，size % 2 表示求余数，如果余数等于0，则所有年龄的个数为偶数，中位数就是中间两个数的和除以2；如果余数不等于0，则所有年龄的个数为奇数，中位数就是处于中间的数值。
8.png
显示的结果如下：
9直方图.png
其中 rects =plt.bar(left = (1,2,3,4,5,6),height = (3,4,2,2,4,3),width = 0.8,align="center",yerr=0.000001)
这句代码是最重要的，其中left表示直方图的开始的位置（也就是最左边的地方），height是指直方图的高度，当直方图太粗时，可以通过width来定义直方图的宽度，注意多个直方图要用元组，yerr这个参数是防止直方图触顶。
从上面的结果我们还发现了一个问题，就是这个班级的年龄均值和中位数都是17，而这个班里根本没有17岁的人，所以在这里均值和中位数都不能代表这个游泳班的年龄情况，所以这时候要引入众数。
10.png
众数的好处：当众数的数目较少时，或者，当数据为类别数据而不是数值型数据时.均值和中位数都不能用于类别数据。
众数的劣势：当众数很多时并不能表示典型值。
最近看了罗胖的跨年演讲，想想这已经是第三个年头，最大的触动是有关人生算法：成就=核心算法X大量重复动作，从一开始决定学Python不就是为了找到属于自己的人生算法，可回顾这半年以来，并没有完成自己的计划，连每天敲一段代码这样简单的重复动作，还是没能坚持下来。木心先生说“岁月不饶人，我也未曾饶过岁月”，岁月确实没饶过我，可我却饶了岁月好几回。
2018继续加油吧，即使没有如期完成计划，好歹我们已在路上！
源码：
# coding: utf-8
# In[1]:
import numpy as np
from pandas import Series,DataFrame
import pandas as pd
import matplotlib.pyplot as plt
data = [1,33,1,32,2,31,2,3,33,2,31,32,2,32,32,1,33,3]
d = sorted(data) # 对数据进行临时排序（从小到大）
print(d)
# In[2]:
# 给数据添加标签
frame = Series(d)
print(frame)
# In[3]:
# 统计各个年龄出现的频率（频数），按照降序排列
value_counts =frame.value_counts()
print(value_counts)
# In[4]:
# 统计年龄的均值
mean = frame.mean()
print(mean)
# In[5]:
# 统计年龄的中位数
def get_median(data): # 定义一个用于计算中位数的函数
data = sorted(data)
size = len(data) # 统计数据有多少个
n = size/2
if size % 2 == 0: # 通过求余数判断数据总数是否为偶数
median = (data[n] + data[n-1]) / 2.0
else:
median = data[n]
print(median)
get_median(data)
# In[6]:
# 画直方图
fig1 = plt.figure(6) # 设置直方图中有6组数据
rects =plt.bar(left = (1,2,3,4,5,6),height = (3,4,2,2,4,3),width = 0.8,align="center",yerr=0.000001)
# 增加直方图脚注
plt.xticks((1,2,3,4,5,6),('1','2','3','31','32','33'))
# 修改直方图上显示具体的数字
def autolabel(rects):
for rect in rects:
height = rect.get_height()
plt.text(rect.get_x()+rect.get_width()/2,1.01*height,'%s' % int(height))
autolabel(rects)
plt.title('Swimming class frequency histogram') # 修改标题
plt.xlabel('age') # 修改x轴标签
plt.ylabel('Frequency') # 修改y轴标签
plt.show()
网友评论