Python - 数据科学之测量中心趋势

• 

  简述

  数学上的集中趋势意味着测量数据集值的位置的中心或分布。它给出了数据集中数据的平均值的概念，并指示了这些值在数据集中的分布范围。这反过来有助于评估新输入适合现有数据集的机会，从而有助于评估成功的可能性。

  可以使用 pandas python 库中的方法计算集中趋势的三个主要度量。

  • 平均值 - 它是数据的平均值，它是值的总和除以值的数量。
  • 中位数 - 当值按升序或降序排列时，它是分布中的中间值。
  • 众数 - 它是分布中最常出现的值。
• 

  计算平均值和中位数

  pandas 函数可以直接用于计算这些值。

  
  import pandas as pd
  #Create a Dictionary of series
  d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
     'Lee','Chanchal','Gasper','Naviya','Andres']),
     'Age':pd.Series([25,26,25,23,30,29,23,34,40,30,51,46]),
     'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])}
  #Create a DataFrame
  df = pd.DataFrame(d)
  print "Mean Values in the Distribution"
  print df.mean()
  print "*******************************"
  print "Median Values in the Distribution"
  print df.median()
  

  它的输出如下 -

  
  Mean Values in the Distribution
  Age       31.833333
  Rating     3.743333
  dtype: float64
  *******************************
  Median Values in the Distribution
  Age       29.50
  Rating     3.79
  dtype: float64
  

• 

  计算模式

  模式在分布中可能可用也可能不可用，具体取决于数据是否连续或是否存在具有最大频率的值。我们在下面采取一个简单的分布来找出模式。这里我们有一个在分布中具有最大频率的值。

  
  import pandas as pd
  #Create a Dictionary of series
  d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
     'Lee','Chanchal','Gasper','Naviya','Andres']),
     'Age':pd.Series([25,26,25,23,30,25,23,34,40,30,25,46])}
  #Create a DataFrame
  df = pd.DataFrame(d)
  print df.mode()
  

  它的输出如下 -

  

  
       Age      Name
  0   25.0    Andres
  1    NaN  Chanchal
  2    NaN    Gasper
  3    NaN      Jack
  4    NaN     James
  5    NaN       Lee
  6    NaN    Naviya
  7    NaN     Ricky
  8    NaN     Smith
  9    NaN     Steve
  10   NaN       Tom
  11   NaN       Vin