统计模块：Python3.7的statistics模块

统计模块statistics

作者:Shawn
python3.7
https://docs.python.org/3/library/statistics.html

方法介绍

statistics.mean(data)

• 就是平均值
• 支持的输入非常多，包括fractions模块和decimal模块

>>> mean([1, 2, 3, 4, 4])
2.8
>>> mean([-1.0, 2.5, 3.25, 5.75])
2.625

>>> from fractions import Fraction as F
>>> mean([F(3, 7), F(1, 21), F(5, 3), F(1, 3)])
Fraction(13, 21)

>>> from decimal import Decimal as D
>>> mean([D("0.5"), D("0.75"), D("0.625"), D("0.375")])
Decimal('0.5625')

statistics.harmonic_mean(data)

• 调和平均数

>>> from statistics import *
>>> harmonic_mean([1,2,3])
1.6363636363636365
>>> 1/sum([1./1,1./2,1./3])*3
1.6363636363636367

statistics.median(data)

• 中值

>>> median([1, 3, 5])
3
>>> median([1, 3, 5, 7])
4.0

statistics.median_low(data)

• 小中值
• 若中值有两个，则选择较小的那个

>>> median_low([1, 3, 5])
3
>>> median_low([1, 3, 5, 7])
3

statistics.median_high(data)

• 大中值
• 若中值有两个，则选择较大的那个

>>> median_high([1, 3, 5])
3
>>> median_high([1, 3, 5, 7])
5

statistics.median_grouped(data, interval=1)

• 用组距式来求中位数
• 公式：中位数=中位数所在组下限+{[(样本总数/2-到中位数所在组下限的累加次数)/中位数所在组的次数]*中位数的组距}
• 参数说明：
  
  • interval：组距，例子：
    
    • 如果组距为1，则1在组0.5~1.5；
    • 如果组距为2，则3在组2~4

>>> median_grouped([1, 2, 2, 3, 4, 4, 4, 4, 4, 5])
3.7
>>> median_grouped([1, 3, 3, 5, 7], interval=1)
3.25
>>> median_grouped([1, 3, 3, 5, 7], interval=2)
3.5

• 示例说明：
  
  • [1, 2, 2, 3, 4, 4, 4, 4, 4, 5]中位数在4这个分组里面
    
    • 默认组距为1
    • 所在分组的下限为3.5
    • 样本总数为10
    • 4分组里有5个数
    • 小于3.5的有4个数
    • 所以中位数为：3.5+(10/2-4)/5*1=3.5+1/5=3.7
  • [1, 3, 3, 5, 7], interval=2，中位数在3分组里
    
    • 组距为2
    • 所在分组下限为2
    • 总数为5
    • 3分组里有2个数
    • 小于2的有1个数
    • 中位数：2+(5/2-1)/2*2=2+1.5=3.5

statistics.mode(data)

• 众数

>>> mode([1, 1, 2, 3, 3, 3, 3, 4])
3
>>> mode(["red", "blue", "blue", "red", "green", "red", "red"])
'red'

statistics.pstdev(data, mu=None)

• 总体标准差
• 设定已知均值mu可以减少计算量

>>> pstdev([1.5, 2.5, 2.5, 2.75, 3.25, 4.75])
0.986893273527251

statistics.pvariance(data, mu=None)

• 总体方差
• 设定已知均值mu可以减少计算量

>>> data = [0.0, 0.25, 0.25, 1.25, 1.5, 1.75, 2.75, 3.25]
>>> pvariance(data)
1.25

statistics.stdev(data, xbar=None)

• 样本标准差

>>> stdev([1.5, 2.5, 2.5, 2.75, 3.25, 4.75])
1.0810874155219827

statistics.variance(data, xbar=None)

• 样本方差

>>> data = [2.75, 1.75, 1.25, 0.25, 0.5, 1.25, 3.5]
>>> variance(data)
1.3720238095238095