python求平均数、方差、中位数的例子

CalStatistics.py

def getNum():       #获取用户不定长度的输入
  nums = []
  iNumStr = input("请输入数字(回车退出):")
  while iNumStr != "":
    nums.append(eval(iNumStr))
    iNumStr = input("请输入数学(回车退出):")
  return nums

def mean(numbers):     #计算平均值
  s = 0.0
  for num in numbers:
    s = s + num
  return s/len(numbers)

def dev(numbers, mean):  #计算方差
  sdev = 0.0
  for num in numbers:
    sdev = sdev + (num - mean)**2
  return pow(sdev / (len(numbers)-1), 0.5)

def median(numbers):    #计算中位数
  numbers = sorted(numbers)    #sorted(numbers)
  size = len(numbers)
  if size % 2 == 0:
    med = (numbers[size//2 - 1] + numbers[size//2])/2
  else:
    med = numbers[size//2]
  return med

n = getNum()
m = mean(n)
print("平均值:{},方差:{:.2},中位数:{}.".format(m, dev(n,m), median(n)))

以上这篇python求平均数、方差、中位数的例子就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持我们。

赞 (0)

相关推荐

  • Python计算库numpy进行方差/标准方差/样本标准方差/协方差的计算

    使用numpy可以做很多事情,在这篇文章中简单介绍一下如何使用numpy进行方差/标准方差/样本标准方差/协方差的计算. variance: 方差 方差(Variance)是概率论中最基础的概念之一,它是由统计学天才罗纳德·费雪1918年最早所提出.用于衡量数据离散程度,因为它能体现变量与其数学期望(均值)之间的偏离程度.具有相同均值的数据,而标准差可能不同,而通过标准差的大小则能更好地反映出数据的偏离度. 计算:一组数据1,2,3,4,其方差应该是多少? 计算如下: 均值=(1+2+3+4)/

  • 详解Python如何获取列表(List)的中位数

    详解Python如何获取列表(List)的中位数

    前言 中位数是一个可将数值集合划分为相等的上下两部分的一个数值.如果列表数据的个数是奇数,则列表中间那个数据就是列表数据的中位数:如果列表数据的个数是偶数,则列表中间那2个数据的算术平均值就是列表数据的中位数.在这个任务里,你将得到一个含有自然数的非空数组(X).你必须把它分成上下两部分,找到中位数. 输入: 一个作为数组的整数(int)列表(list)的. 输出: 数组的中位数(int, float). 示例 get_median([1, 2, 3, 4, 5]) == 3 get_media

  • Python求均值,方差,标准差的实例

    如下所示: import numpy as np arr = [1,2,3,4,5,6] #求均值 arr_mean = np.mean(arr) #求方差 arr_var = np.var(arr) #求标准差 arr_std = np.std(arr,ddof=1) print("平均值为:%f" % arr_mean) print("方差为:%f" % arr_var) print("标准差为:%f" % arr_std) 以上这篇Pyth

  • python求平均数、方差、中位数的例子

    CalStatistics.py def getNum(): #获取用户不定长度的输入 nums = [] iNumStr = input("请输入数字(回车退出):") while iNumStr != "": nums.append(eval(iNumStr)) iNumStr = input("请输入数学(回车退出):") return nums def mean(numbers): #计算平均值 s = 0.0 for num in nu

  • pandas求平均数和中位数的方法实例

    pandas求平均数和中位数的方法实例

    目录 准备 1.求平均数 1.1对全表进行操作 1.1.2 求取每行的平均数 1.2 对单独的一行或者一列进行操作 1.2.1 求取单独某一列的平均数 1.3 对多行或者多列进行操作 1.3.1 求取多列的平均数 1.3.2 求取多行的平均数 2 求中位数 2.1对全表进行操作 2.1.1对每一列求中位数 2.1.2 对每一行求中位数 2.2 对单独的一行或者一列进行操作 2.2.1 对某一列求中位数 2.2.2 对某一行求中位数 2.3 对多行或者多列进行操作 2.3.1 对多列求中位数 2.

  • python求质数列表的例子

    因为写别的程序想要一边遍历一边删除列表里的元素,就写了一个这样的程序进行测试,这样写出来感觉还挺简洁的,就发出来分享一下. 代码 l=list(range(2,1000)) for n,i in enumerate(l): for j in l[n+1:]: if j%i==0: l.remove(j) print(l) 原理其实就是删除每个数的倍数,如果而没被删除的当然就是质数. 以上这篇python求质数列表的例子就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们.

  • 用python求一重积分和二重积分的例子

    首先是对一元函数求积分,使用Scipy下的integrate函数: from scipy import integrate def g(x): return (1-x**2)**0.5 #用integrate下的quad函数可以同时求出积分结果和误差 res,err=integrate.quad(g,-1,1) #-1和1表示积分上下限,如果是正无穷用np.inf print(res,err) 得到的结果如下,前者是积分结果,后者是误差 1.5707963267948986 1.00023567

  • python 求10个数的平均数实例

    一,已知十个数,求平均数. L=[1,2,3,4,5,6,7,8,9,10] a=sum(L)/len(L) print("avge is:", round(a,3) ) 运行结果: avge is: 5.5 二,设置输入个数,求平均数 n = int(input("请输入所求平均数的个数: ")) l = [] for i in range(0, n): k = int(input("请输入数值: ")) l.append(k) avg = s

  • python的列表List求均值和中位数实例

    我就废话不多说了,直接上代码吧! import numpy as np a = [2,4,6,8,10] average_a = np.mean(a) median_a = np.median(a) 知识补充:python--寻找两个列表的中位数 题目描述: 给定两个大小为 m 和 n 的有序数组 nums1 和 nums2. 请你找出这两个有序数组的中位数,并且要求算法的时间复杂度为 O(log(m + n)). 你可以假设 nums1 和 nums2 不会同时为空. 示例 1: nums1

  • python求列表交集的方法汇总

    本文实例汇总了python求列表交集的方法.分享给大家供大家参考.具体方法如下: 交集对于给定的两个集合A 和 集合B 的交集是指含有所有既属于 A 又属于 B 的元素,而没有其他元素的集合叫交集了,下面给出几个python求列表交集例子供大家参考. 方法1 遍历b1,如果某个元素同时也存在于b2中,则返回 复制代码 代码如下: b1=[1,2,3] b2=[2,3,4] b3 = [val for val in b1 if val in b2] print b3 运行结果如下 复制代码 代码如

  • 用python求一个数组的和与平均值的实现方法

    如下所示: # coding = GBK a =[1,2,3,4,5] sum=0 b = len(a) print("这个数组的长度为:",b) for i in a: sum =sum +i print("这个数组之和为:",sum) print("这个数组平均数为",sum/b) 以上这篇用python求一个数组的和与平均值的实现方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持我们.

  • python 实现矩阵填充0的例子

    需求: 原矩阵 [[1 2 3] [4 5 6] [7 8 9]] 在原矩阵元素之间填充元素 0,得到 [[1. 0. 2. 0. 3.] [0. 0. 0. 0. 0.] [4. 0. 5. 0. 6.] [0. 0. 0. 0. 0.] [7. 0. 8. 0. 9.]] 思路: 先求出扩充矩阵的维度,再按照每一行每一列遍历,根据元素的索引规律依次赋值,最终实现新的扩充矩阵.这个思路实现如下: import numpy as np def PadMat(Ndim, Mat): Brow =

随机推荐