【第 1集】 均值 中位數 眾數平均數(Mean)：指在一組數據中所有數據之和再除以這組數據的個數。

中位數(Median)：按順序排列的一組數據中居于中間位置的數，如果觀察值有偶數個，通常取最中間的兩個數值的平均數作為中位數。

眾數(Mode)：一組數據中出現次數最多的數值，有時眾數在一組數中有好幾個。

import numpy as np

from scipy import stats

nums = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

nums1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 8]

print(np.mean(nums))# 均值 5.5

print(np.median(nums))# 中位數 5.5

print(np.median(nums1))# 中位數 6.0

print(stats.mode(nums)[0][0]) #沒有眾數

print(stats.mode(nums1)) #眾數 8

【第 2集】 極差 中程數極差：其最大值與最小值之間的差距，即最大值減最小值后所得之數據

中程數(Mid-range)是一組統計數據值的最大值和最小值的平均數

import numpy as np

nums = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

print(np.ptp(nums)) #極差 9

print(np.ptp(nums)/2) #中程數 4.5

【第 3集】 象形統計圖

象形統計圖：表現統計數字大小和變動的各種圖形總稱。其中有條形統計圖、扇形統計圖、折線統計圖、象形圖等。

O-型血人數：2×8=16

【第 4集】 條形圖

條形統計圖：是用一個單位長度表示一定的數量，根據數量的多少畫成長短不同的直條，然后把這些直條按一定的順序排列起來。從條形統計圖中很容易看出各種數量的多少條形圖：參考https://blog.csdn.net/hohaizx/article/details/79101322

import matplotlib.pyplot as plt

import matplotlib

# 設置中文字體和負號正常顯示

matplotlib.rcParams['font.sans-serif'] = ['SimHei']

matplotlib.rcParams['axes.unicode_minus'] = False

label_list = ['Jasmine', 'Jeff', 'nevin', 'Alejandrn', 'Marta'] # 橫坐標刻度顯示值

list1 = [72, 86, 82, 81, 96] # 縱坐標值1

list2 = [78, 84, 88, 95, 90] # 縱坐標值2

x = np.arange(len(list1))

"""

繪制條形圖

left:長條形中點橫坐標

height:長條形高度

width:長條形寬度，默認值0.8

label:為后面設置legend準備

"""

rects1 = plt.bar(x=x, height=list1, width=0.4, alpha=0.4, color='blue', label="期中考試")

rects2 = plt.bar(x=x+0.4, height=list2, width=0.4, alpha=0.5, color='red', label="期末考試")

plt.ylim(0, 110) # y軸取值范圍

plt.ylabel("成績")

"""

設置x軸刻度顯示值

參數一：中點坐標

參數二：顯示值

"""

plt.xticks(x+0.2, label_list)

plt.xlabel("名字")

plt.title("成績單")

plt.legend() # 設置題注

# 編輯文本

for rect in rects1:

height = rect.get_height()

plt.text(rect.get_x() + rect.get_width() / 2, height+1, str(height),

ha="center", va="bottom")

for rect in rects2:

height = rect.get_height()

plt.text(rect.get_x() + rect.get_width() / 2, height+1, str(height),

ha="center", va="bottom")

plt.show()

【第 5集】 線形圖

線形圖又稱為“點狀圖”(point chart)、“停頓圖”(Stopping chart)或“星狀圖”(star chart)。線形圖屬于圖表分析的一類，僅記錄收盤價，至於開盤價、當日最高價、當日最高的變動及波動幅度則欠缺。以線形圖捕捉長期趨勢還可以，但卻難于捕捉短線和中線趨勢，目前已較少有人使用。

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

#X軸，Y軸數據

x = [0, 1, 2, 3, 4, 5, 6, 7, 8]

y = [6.59, 6.70, 6.95, 7.30, 7.30, 7.37, 7.1, 7.51, 7.58]

plt.figure(figsize=(8, 4)) # 創建繪圖對象

plt.style.use('ggplot') # 網格

plt.plot(x, y, "b--", linewidth=1) #(X軸，Y軸，藍色虛線，線寬度)

plt.xlabel("時間") #X軸標簽

plt.ylabel("股票價格") #Y軸標簽

plt.title("股票價格-時間") #圖標題

plt.show()

【第 6集】 餅圖

餅圖顯示一個數據系列中各項的大小與各項總和的比例。餅圖中的數據點顯示為整個餅圖的百分比。

每個季度的收入：

import matplotlib.pyplot as plt

labels = ['quarter1', 'quarter2', 'quarter3', 'quarter4']

sizes = [40, 30, 20, 10]

plt.pie(sizes, labels=labels, autopct='%1.1f%%')

# plt.legend(loc=[0.9, 0.6])

plt.axis('equal')

plt.show()

【第 7集】 誤導人的線形圖

若線形圖的刻度不一樣容易引起誤解，為了不引起誤解，線性圖畫在一張圖中。

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

#X軸，Y軸數據

x = [0, 1, 2, 3, 4, 5, 6, 7, 8]

y = [6.59, 6.70, 6.95, 7.30, 7.30, 7.37, 7.1, 7.51, 7.58]

y1 = [3.295, 3.35, 3.475, 3.65, 4, 3.685, 3.55, 3.755, 3.79]

# print(y1)

plt.figure(figsize=(8, 4)) # 創建繪圖對象

plt.style.use('ggplot') # 網格

plt.plot(x, y, "b--", linewidth=1) #(X軸，Y軸，藍色虛線，線寬度)

plt.plot(x, y1, "r--", linewidth=1) #(X軸，Y軸，紅色虛線，線寬度)

plt.xlabel("時間") #X軸標簽

plt.ylabel("股票價格") #Y軸標簽

plt.title("股票價格-時間") #圖標題

plt.show()

【第 8集】 莖葉圖

莖葉圖的思路是將數組中的數按位數進行比較，將數的大小基本不變或變化不大的位作為一個主干(莖)，將變化大的位的數作為分枝(葉)，列在主干的后面，這樣就可以清楚地看到每個主干后面的幾個數，每個數具體是多少。

上圖是12個足球隊員的各自得分，總共得多少分？

Stem：得分十位數

Leaf：得分個位數

總計得分：(0+0+2+4+7+7+9) + (11+11+11+13+18) + (20)

from itertools import groupby

nums2 = [0, 0, 2, 4, 7, 7, 9, 11, 11, 13, 18, 20]

for k, g in groupby(sorted(nums2), key=lambda x: int(x) // 10):

# print('k', k)

# print('g', list(g))

lst = map(str, [int(y) % 10 for y in list(g)])

print(k, '|', ' '.join(lst))

【第 9集】 箱線圖

顧客距離餐廳遠近的分布，可以用箱線圖。

箱形圖(Box plot)：又稱為盒須圖、盒式圖、盒狀圖或箱線圖，是一種用作顯示一組數據分散情況資料的統計圖。因型狀如箱子而得名。其最大的優點就是不受異常值的影響，可以以一種相對穩定的方式描述數據的離散分布情況。線形圖：適于了解變量隨時間變化的趨勢，也可以是一個變量對另外一個變量的趨勢。

條形圖：適于將事物歸類，看類別的分布情況。

餅圖：適于看到各部分的占比。

莖葉圖：適于了解分布的情況。

箱線圖：適于了解中位數和散布的情況。作者求解四分位數的方法是第一種方法

另一種求解箱線圖的的方法：箱線圖中的四分位數是第二種求解方法

import pandas as pd

import matplotlib.pyplot as plt

from pandas.plotting import table

data = {

'distance': [1, 1, 2, 2, 3, 3, 4, 4, 6, 7, 8, 10, 11, 14, 15, 20, 22]

}

df = pd.DataFrame(data)

fig, ax = plt.subplots(1, 1)

table(ax, np.round(df.describe(), 2),

loc='upper right',

colWidths=[0.2, 0.2]

)

# df.plot.box(title="Consumer spending in each country", vert=False)

df.plot.box(title="customer distance",

ax=ax,

ylim=(0, 30))

plt.grid(linestyle="--", alpha=0.3)

plt.show()

四分位數：有兩種求法不包含中位數，求解四分位數

包含中位數，求解四分位數例子：2、4、4、5、6、7、8

第一四分位數(Q1) = 4

第二四分位數(Q2) = 5

第三四分位數(Q3) = 7例子：1、3、3、4、5、6、6、7、8、8

第一四分位數(Q1) = 3

第二四分位數(Q2) = 5.5

第三四分位數(Q3) = 7

import numpy as np

def quartile_t1(data):

'''四分位數'''

n = len(data)

q1, q2, q3 = None, None, None

if n >= 4:

sorted_data = sorted(data)

q2 = np.median(sorted_data)

if n % 2 == 1:

q1 = np.median(sorted_data[:n//2])

q3 = np.median(sorted_data[n//2 + 1:])

else:

q1 = np.median(sorted_data[:n // 2])

q3 = np.median(sorted_data[n // 2:])

return q1, q2, q3

# 不包含中位數，求解四分位數

# 包含中位數，求解四分位數

data1 = [5, 7, 4, 4, 6, 2, 8]

print(quartile_t1(data1)) # 4, 5, 7

print(np.percentile(data1, [25, 50, 75])) # 4. 5. 6.5

data2 = [1, 3, 3, 4, 5, 6, 6, 7, 8, 8]

print(quartile_t1(data2)) # 3, 5.5, 7

print(np.percentile(data2, [25, 50, 75])) # 3.25 5.5 6.75

【第10集】 箱線圖2

上圖是100棵樹的樹齡箱線圖，問樹齡極差是多少，樹齡中位數是多少？

由圖可以看出：最小值是8，最大值是50，所以極差是50-8=42；中位數是豎線坐標21。

總結

以上是生活随笔為你收集整理的可汉学院python_A可汗学院-统计学python实现1-10的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。