详细内容或原文请订阅后点击阅览
10 Python数学和统计分析一线
Python使常见的数学和统计任务超级简单。这些单线显示如何使用更少的代码做更多的事情。
来源:KDnuggetspython的表达语法及其内置模块和外部库，使得可以使用非常简洁的代码执行复杂的数学和统计操作。
在本文中，我们将介绍一些有用的单线进行数学和统计分析。这些单线人显示了如何从数据中提取有意义的信息，同时保持可读性和效率。
🔗链接github上的代码
链接到GitHub上的代码样本数据
在编码我们的单线之前，让我们创建一些示例数据集以使用：
导入numpy作为NP 导入大熊猫作为pd 从收集进口计数器中 进口统计 ＃示例数据集 数字= [12，45，7，23，56，89，34，67，21，78，43，65，65，32，54，76] 等级= [78、79、82、84、85、86、87、88、89、90、91、91、92、93、94、96] sales_data = [1200，1500，800，2100，1800，950，1600，2200，1400，1750,3400] 温度= [55.2，62.1，58.3，64.7，64.0，61.8，59.4，63.5，57.9，56.6]
请注意：在以下的代码段中，我排除了打印语句。
1。计算平均值，中值和模式
分析数据集时，您通常需要多种中心趋势的度量来了解数据的分布。这个单线计算单个表达式中的所有三个关键统计信息，提供了数据中心特征的全面概述。
stats =（statistics.mean（成绩），statistics.median（等级），statistics.mode（成绩））
此表达式使用Python的统计模块来计算一个元组分配中的算术平均值，中值和最常见的值。
2。使用四分位数范围
识别离群值对于数据质量评估和异常检测是必要的。这个单线实现了标准的IQR方法，以标记大大超出典型范围的值，从而帮助您发现潜在的数据输入错误或真正不寻常的观察。
3。计算两个变量之间的相关性
np.Float64（0.062360807968294615）
.getAttr（）
计数器