日本综合一区二区|亚洲中文天堂综合|日韩欧美自拍一区|男女精品天堂一区|欧美自拍第6页亚洲成人精品一区|亚洲黄色天堂一区二区成人|超碰91偷拍第一页|日韩av夜夜嗨中文字幕|久久蜜综合视频官网|精美人妻一区二区三区

在Python的數(shù)據(jù)分析庫pandas中，mean（平均值）、std（標(biāo)準(zhǔn)差）和skew（偏度）是常用的統(tǒng)計量，這些統(tǒng)計量可以幫助我們更好地理解數(shù)據(jù)的特性和分布情況。

創(chuàng)新互聯(lián)是一家專業(yè)提供鎮(zhèn)雄企業(yè)網(wǎng)站建設(shè),專注與成都網(wǎng)站設(shè)計、網(wǎng)站建設(shè)、H5高端網(wǎng)站建設(shè)、小程序制作等業(yè)務(wù)。10年已為鎮(zhèn)雄眾多企業(yè)、政府機(jī)構(gòu)等服務(wù)。創(chuàng)新互聯(lián)專業(yè)網(wǎng)站制作公司優(yōu)惠進(jìn)行中。

1、mean（平均值）：mean函數(shù)用于計算數(shù)據(jù)集的平均值，它返回的是數(shù)據(jù)集所有元素的平均值，如果數(shù)據(jù)集為空，mean函數(shù)將返回NaN。

我們有一個包含數(shù)字1, 2, 3, 4, 5的數(shù)據(jù)集：

import pandas as pd
data = [1, 2, 3, 4, 5]
df = pd.DataFrame(data, columns=['numbers'])
print(df)

輸出：

   numbers
0        1
1        2
2        3
3        4
4        5

我們可以使用mean函數(shù)來計算這個數(shù)據(jù)集的平均值：

print(df['numbers'].mean())

輸出：

3、0

2、std（標(biāo)準(zhǔn)差）：std函數(shù)用于計算數(shù)據(jù)集的標(biāo)準(zhǔn)差，標(biāo)準(zhǔn)差是衡量數(shù)據(jù)集中數(shù)值偏離其平均值的程度，標(biāo)準(zhǔn)差越大，說明數(shù)據(jù)的離散程度越大；標(biāo)準(zhǔn)差越小，說明數(shù)據(jù)的離散程度越小，如果數(shù)據(jù)集為空，std函數(shù)將返回NaN。

我們有一個包含數(shù)字1, 2, 3, 4, 5的數(shù)據(jù)集：

import pandas as pd
data = [1, 2, 3, 4, 5]
df = pd.DataFrame(data, columns=['numbers'])
print(df)

我們可以使用std函數(shù)來計算這個數(shù)據(jù)集的標(biāo)準(zhǔn)差：

print(df['numbers'].std())

輸出：

1、4142135623730951

3、skew（偏度）：skew函數(shù)用于計算數(shù)據(jù)集的偏度，偏度是衡量數(shù)據(jù)分布的不對稱性，正偏度表示數(shù)據(jù)右偏，即數(shù)據(jù)分布的尾部在右側(cè)；負(fù)偏度表示數(shù)據(jù)左偏，即數(shù)據(jù)分布的尾部在左側(cè)，如果數(shù)據(jù)集為空，skew函數(shù)將返回NaN。

我們有一個包含數(shù)字1, 2, 3, 4, 5的數(shù)據(jù)集：

import pandas as pd
from scipy.stats import skew
import numpy as np
data = [1, 2, 3, 4, 5]
df = pd.DataFrame(data, columns=['numbers'])
print(df)

我們可以使用skew函數(shù)來計算這個數(shù)據(jù)集的偏度：

print(skew(df['numbers']))

輸出：

0、0000000000000000

這是因為我們的數(shù)據(jù)集是一個完全對稱的數(shù)據(jù)集，所以偏度為0，如果我們改變數(shù)據(jù)集，例如添加一些大于5的數(shù)字，我們可以看到偏度的變化。

data = [1, 2, 3, 4, 5, 6, 7, 8, 9]
df = pd.DataFrame(data, columns=['numbers'])
print(df)
print(skew(df['numbers']))

輸出：

    numbers
0       1.000000e+00
1       2.000000e+00
2       3.000000e+00
3       4.000000e+00
4       5.000000e+00
5       6.000000e+01
6       7.000000e+01
7       8.000000e+

文章名稱：pandasmean,std,skew
標(biāo)題來源：http://www.dlmjj.cn/article/cdhchdd.html