Python实战案例-数学平均数

简介: 平均值、中位数和众数是我们处理数字的几乎每个领域中使用的统计基础。Python是用于数值计算的最佳编程语言之一。因此,您应该知道如何在不使用任何内置 Python 库或模块的情况下使用 Python 计算均值、中位数和众数。因此,在本文中,我将带您了解如何使用 Python 计算均值、中位数和众数。

霍大侠叼树叶高清.png

欢迎来的我的小院,跟着我一起学习,不在枯燥,不在孤单......

QQ截图20220725123259.png

案例:数学平均数

平均值、中位数和众数是我们处理数字的几乎每个领域中使用的统计基础。Python是用于数值计算的最佳编程语言之一。因此,您应该知道如何在不使用任何内置 Python 库或模块的情况下使用 Python 计算均值、中位数和众数。因此,在本文中,我将带您了解如何使用 Python 计算均值、中位数和众数。

演示

下面代码运行后生成数值如图

image.png

学习

这个案例对初学者有点难度,首先要理解几个数学数值的含义。然后理解通过python代码编程的方式怎样去使用这些数值。

#学习点:  

#sum(),len():sum是数字求和;len是数组长度

#.sort():代表对应数组按顺序排列

#3//2的//:是整除的意思,3//2等于1

#max():是数组最大值


源码

#小院里的霍大侠 - 兴趣编程
#案例 - 数学平均数,通过对平均数,中位数和众数理解python对数学的编程模式
# 平均数:平均值是数据集中所有值的平均值。
list1 = [12, 16, 20, 20, 12, 30, 25, 23, 24, 20]
mean = sum(list1)/len(list1)
print(mean)
# 中位数:统计学中的专有名词,是按顺序排列的一组数据中居于中间位置的数,
# 代表一个样本、种群或概率分布中的一个数值,其可将数值集合划分为相等的上下两部分。
# 对于有限的数集,可以通过把所有观察值高低排序后找出正中间的一个作为中位数。
# 如果观察值有偶数个,通常取最中间的两个数值的平均数作为中位数。
list1 = [12, 16, 20, 20, 12, 30, 25, 23, 24, 20]
list1.sort()
if len(list1) % 2 == 0:#==0代表偶数,否则为奇数
    m1 = list1[len(list1)//2]
    m2 = list1[len(list1)//2 - 1]
    median = (m1 + m2)/2
else:
    median = list1[len(list1)//2]
print(median)
# 众数:众数是所有值中出现频率最高的值。
list1 = [12, 16, 20, 20, 12, 30, 25, 23, 24, 20]
frequency = {}
for i in list1:
    frequency.setdefault(i, 0)#给数组所有值赋值为0
    frequency[i]+=1#相同索引对应的值加1,这样目的就是频率多的值就最大了
frequent = max(frequency.values())#获取到这个字典类型最大的值
for i, j in frequency.items():#循环判断字典键值是否等于刚才最大的频率值,最大则输出
    if j == frequent:
        mode = i
print(mode)


思考

再次感受到了数学的博大精深,同时你是否发现数学中的一些问题,可以用编程很好的实现求值。python目前是对数学算法支持最好的,有着庞大的类库,如果你以后要学习机器学习,大数据,一定要好好理解这个初级的代码哦。

试着用代码实现一起其他的数学问题......

3xwD6khlOSc-oTVrUBwsmw.jpeg

(部分素材来源于互联网,如有保护请联系作者)

相关文章
|
12月前
|
SQL 关系型数据库 数据库
Python SQLAlchemy模块:从入门到实战的数据库操作指南
免费提供Python+PyCharm编程环境,结合SQLAlchemy ORM框架详解数据库开发。涵盖连接配置、模型定义、CRUD操作、事务控制及Alembic迁移工具,以电商订单系统为例,深入讲解高并发场景下的性能优化与最佳实践,助你高效构建数据驱动应用。
1232 7
|
数据采集 Web App开发 数据安全/隐私保护
实战:Python爬虫如何模拟登录与维持会话状态
实战:Python爬虫如何模拟登录与维持会话状态
|
传感器 运维 前端开发
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
本文解析异常(anomaly)与新颖性(novelty)检测的本质差异,结合distfit库演示基于概率密度拟合的单变量无监督异常检测方法,涵盖全局、上下文与集体离群值识别,助力构建高可解释性模型。
784 10
Python离群值检测实战:使用distfit库实现基于分布拟合的异常检测
|
数据采集 监控 数据库
Python异步编程实战:爬虫案例
🌟 蒋星熠Jaxonic,代码为舟的星际旅人。从回调地狱到async/await协程天堂,亲历Python异步编程演进。分享高性能爬虫、数据库异步操作、限流监控等实战经验,助你驾驭并发,在二进制星河中谱写极客诗篇。
Python异步编程实战:爬虫案例
|
Cloud Native 算法 API
Python API接口实战指南:从入门到精通
🌟蒋星熠Jaxonic,技术宇宙的星际旅人。深耕API开发,以Python为舟,探索RESTful、GraphQL等接口奥秘。擅长requests、aiohttp实战,专注性能优化与架构设计,用代码连接万物,谱写极客诗篇。
2120 1
Python API接口实战指南:从入门到精通
|
存储 分布式计算 测试技术
Python学习之旅:从基础到实战第三章
总体来说,第三章是Python学习路程中的一个重要里程碑,它不仅加深了对基础概念的理解,还引入了更多高级特性,为后续的深入学习和实际应用打下坚实的基础。通过这一章的学习,读者应该能够更好地理解Python编程的核心概念,并准备好应对更复杂的编程挑战。
320 12
|
存储 数据采集 监控
Python文件操作全攻略:从基础到高级实战
本文系统讲解Python文件操作核心技巧,涵盖基础读写、指针控制、异常处理及大文件分块处理等实战场景。结合日志分析、CSV清洗等案例,助你高效掌握文本与二进制文件处理,提升程序健壮性与开发效率。(238字)
837 1
|
存储 Java 调度
Python定时任务实战:APScheduler从入门到精通
APScheduler是Python强大的定时任务框架,通过触发器、执行器、任务存储和调度器四大组件,灵活实现各类周期性任务。支持内存、数据库、Redis等持久化存储,适用于Web集成、数据抓取、邮件发送等场景,解决传统sleep循环的诸多缺陷,助力构建稳定可靠的自动化系统。(238字)
1856 1
|
Java 调度 数据库
Python threading模块:多线程编程的实战指南
本文深入讲解Python多线程编程,涵盖threading模块的核心用法:线程创建、生命周期、同步机制(锁、信号量、条件变量)、线程通信(队列)、守护线程与线程池应用。结合实战案例,如多线程下载器,帮助开发者提升程序并发性能,适用于I/O密集型任务处理。
1012 0
|
机器学习/深度学习 监控 数据挖掘
Python 高效清理 Excel 空白行列:从原理到实战
本文介绍如何使用Python的openpyxl库自动清理Excel中的空白行列。通过代码实现高效识别并删除无数据的行与列,解决文件臃肿、读取错误等问题,提升数据处理效率与准确性,适用于各类批量Excel清理任务。
996 0

推荐镜像

更多