通过实践的数据科学统计数据-DEV365 开发者社区

100天的第9天数据科学训练营从NOOB到专家。

github链接：Complete-Data-Science-Bootcamp

主要帖子：Complete-Data-Science-Bootcamp

回顾第8天

昨天我们已经详细研究了有关统计的python。

开始吧

在当今的数据驱动世界中，了解和使用数据是所有背景的企业，研究人员和专业人员的重要技能。 Python编程语言是最强大的数据分析工具之一。 Python凭借其强大的库，例如Numpy和Pandas，提供了广泛的统计和数据分析功能。在本文中，我们将探讨统计数据中一些最重要的概念，例如均值，中位数，模式，方差和标准偏差，并学习如何使用Python来计算这些值。我们还将研究更高级的主题，例如百分位数，四分位数和Z分数，并学习如何填充缺失值并在数据集中创建新列。无论您是初学者还是经验丰富的数据分析师，本文都会为您提供与Python中数据一起使用的知识和工具。

意思：

平均值是一组数据的平均值。通过在一组数据中添加所有值，然后除以集合中的值数量来计算。例如，如果我们有一组数据{1、2、3、4、5}，则平均值为（1 + 2 + 3 + 4 + 5） / 5 = 3。

# Importing libraries
import numpy as np

# Creating a sample data set
data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# Mean
mean = np.mean(data)
print("Mean:", mean)

Mean: 5.5

中间：

以数值顺序排列时，中值是一组数据的中间值。如果集合具有奇数值，则中值是中间值。如果集合具有均匀数量的值，则中值是两个中间值的平均值。例如，如果我们有一组数据{1、2、3、4、5}，则中位数为3。

# Median
median = np.median(data)
print("Median:", median)

Median: 5.5

模式：

该模式是一组数据中最常出现的值。一组数据可以具有多种模式或根本没有模式。例如，如果我们有一组数据{1、2、2、3、4、5}，则该模式为2。

# Mode
import statistics as st
mode = st.mode(data)
print("Mode:", mode)

Mode: 1

范围：

范围是一组数据中最高值和最低值之间的差异。例如，如果我们有一组数据{1、2、3、4、5}，则范围将为5-1 = 4

# Range
range = np.ptp(data)
print("Range:", range)

Range: 9

方差：

差异是对一组数据中偏离均值的值的度量。它是通过获取每个值和均值之间差异的平方的总和，然后除以集合中的值数量。

# Variance
variance = np.var(data)
print("Variance:", variance)

Variance: 8.25

标准偏差：

标准偏差是对一组数据中如何分散值的度量。它是通过占据方差的平方根来计算的。

# Standard deviation
std_dev = np.std(data)
print("Standard deviation:", std_dev)

Standard deviation: 2.8722813232690143

百分位数和四分位数：

百分位数和四分位数是一组数据的分布的度量。百分位数是将一组数据分为100个相等部分的值。四分位数是将一组数据分为4个相等部分的值。

# Percentiles
percentile = np.percentile(data, [25, 50, 75])
print("25th percentile:", percentile[0])
print("50th percentile (Median):", percentile[1])
print("75th percentile:", percentile[2])

25th percentile: 3.25
50th percentile (Median): 5.5
75th percentile: 7.75

z得分：

z得分是对一个值在标准偏差方面距离平均值的距离的度量。它是通过取值和均值之间的差，然后除以标准偏差来计算的。

# Z-scores
z_scores = (data - mean) / std_dev
print("Z-scores:", z_scores)

Z-scores: [-1.5666989  -1.21854359 -0.87038828 -0.52223297 -0.17407766  0.17407766

  0.52223297  0.87038828  1.21854359  1.5666989 ]

摘要：

详细解释了统计数据的关键统计概念，例如均值，中值，模式，方差，标准偏差，百分位数，四分位数和Z分数，以及如何使用python库（例如numpy and Python库）计算这些值的示例熊猫。此外，本文还涵盖了更高级的主题，例如填充缺失值并在数据集中创建新列。该文章适合初学者和经验丰富的数据分析师，为他们提供了与Python中数据合作所需的知识和工具。本文提供了CSV格式的示例数据，可用于练习所解释的概念。