Python - 测量集中趋势

从数学上讲，集中趋势意味着测量数据集中值的位置中心或分布。它给出了数据集中数据的平均值的概念，也表明了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，从而评估成功的概率。

有三个主要的集中趋势测量方法，可以使用 pandas python 库中的方法计算。

• 平均值 - 它是数据的平均值，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。

• 模式 - 它是分布中最常出现的值。

计算平均值和中位数

pandas 函数可直接用于计算这些值。

import pandas as pd

#创建系列词典
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()

其输出如下 −

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

模式在分布中可能存在也可能不存在，这取决于数据是否连续，或者是否存在具有最大频率的值。我们采用以下简单分布来找出模式。这里我们有一个在分布中具有最大频率的值。

import pandas as pd

#创建系列词典
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()

其输出如下 −

     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