Pythonの数学モジュール：統計

Pythonのstatisticsモジュールは、生物統計やビジネス分析などのデータの全体的な特性を迅速に理解できるように、強力なデータ統計分析機能を提供します。データポイントを1つずつ見る代わりに、平均や分散などの統計を見て、無視される可能性のある元のデータの傾向と機能を発見し、大きなデータセットをより簡単かつ効果的に比較してください。

このチュートリアルでは、平均を計算し、データセットの分散の程度を測定する方法を説明します。特に明記されていない限り、このモジュールのすべての関数は、単に平均を合計するのではなく、mean()関数を使用して平均値の計算をサポートします。 浮動小数点数も使用できます。

import random
import statistics
from fractions import Fraction as F

int_values = [random.randrange(100) for x in range(9)]
frac_values = [F(1, 2), F(1, 3), F(1, 4), F(1, 5), F(1, 6), F(1, 7), F(1, 8), F(1, 9)]

mix_values = [*int_values, *frac_values]

print(statistics.mean(mix_values))
# 929449/42840

print(statistics.fmean(mix_values))
# 21.69582166199813

Python 3.8から始めて、

および関数を使用して、幾何平均と高調波平均を計算できます。 geometric_mean(data, weights=None) harmonic_mean(data, weights=None)幾何平均は、データ内のすべてのn値の積をn電力のルートに分割した結果です。浮動ポイントエラーのため、結果は場合によってはわずかに偏っている可能性があります。幾何平均の1つの応用は、複合年間成長率を迅速に計算することです。たとえば、企業の4年間の売上はそれぞれ100、120、150、および200です。 3年の成長率は、それぞれ20％、25％、33.33％でした。企業の平均売上成長率は、割合の幾何平均としてより正確に表現されます。算術平均は、常に間違った成長率を与えます。

高調波平均は、データの逆数の算術平均の逆数です。データにゼロまたは負の数が含まれている場合、

import statistics

growth_rates = [20, 25, 33.33]

print(statistics.mean(growth_rates))
# 26.11

print(statistics.geometric_mean(growth_rates))
# 25.542796263143476

例外がスローされます。

StatisticsError高調波平均は、平均速度、密度、または並列抵抗の計算など、比率と速度の平均を計算するために使用されます。次のコードは、誰かが固定距離を移動すると平均速度を計算します（ここに100 kmです）。

同じ頻度の発生頻度を持つ複数の値がある場合、Python 3.8の関数は複数の結果を返すことができることに注意する必要があります。

import statistics

speeds = [30, 40, 60]
distance = 100

total_distance = len(speeds) * distance
total_time = 0

for speed in speeds:
    total_time += distance / speed

average_speed = total_distance / total_time

print(average_speed)
# 39.99999999999999

print(statistics.harmonic_mean(speeds))
# 40.0

multimode()

中央値を計算します

import statistics

favorite_pet = ['cat', 'dog', 'dog', 'mouse', 'cat', 'cat', 'turtle', 'dog']

print(statistics.multimode(favorite_pet))
# ['cat', 'dog']

モードで中心値を計算することは誤解を招く可能性があります。前述のように、データセット内の他の値に関係なく、モードは常に最も頻繁なデータポイントです。中心位置を決定するもう1つの方法は、関数を使用して特定のデータセットの母集団の分散を計算することです。

この関数の2番目のパラメーターはオプションです。

mu pvariance(data, mu=None)の値が提供されている場合、指定されたデータの平均に等しくなければなりません。この値が欠落している場合、平均は自動的に計算されます。この関数は、母集団全体の分散を計算する場合に役立ちます。データが単なる母集団のサンプルである場合、

関数を使用してサンプルの分散を計算できます。ここで、

は特定のサンプルの平均です。これは、提供されていない場合に自動的に計算されます。 母集団標準偏差とサンプル標準偏差は、それぞれvariance(data, xBar=None)とxBar関数を使用して計算できます。

import random
import statistics
from fractions import Fraction as F

int_values = [random.randrange(100) for x in range(9)]
frac_values = [F(1, 2), F(1, 3), F(1, 4), F(1, 5), F(1, 6), F(1, 7), F(1, 8), F(1, 9)]

mix_values = [*int_values, *frac_values]

print(statistics.mean(mix_values))
# 929449/42840

print(statistics.fmean(mix_values))
# 21.69582166199813

上記の例からわかるように、分散が小さくなると、より多くのデータポイントが平均値の値に近いことを意味します。小数と分数の標準偏差を計算することもできます。

概要 このシリーズの最後のチュートリアルでは、

モジュールで提供されるさまざまな機能を学びました。関数に提供されたデータがほとんどの場合にソートされていることに気付いたかもしれませんが、ソートする必要はありません。このチュートリアルでは、並べ替えられたリストを使用しました。なぜなら、異なる機能と入力データによって返される値の関係を理解し​​やすくするためです。

以上がPythonの数学モジュール：統計の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。