Python - 集中趨勢測量

從數學角度來看，集中趨勢是指測量資料集值的位置中心或分佈。它可以幫助瞭解資料集的平均值，以及值在資料集中的分散程度。這反過來有助於評估新輸入融入現有資料集的可能性，從而評估成功的機率。

可以使用 pandas Python 庫中的方法計算三種主要的集中趨勢測量值。

• 平均值 - 它是資料的平均值，等於值之和除以值的數量。

• 中位數 - 當值按升序或降序排列時，它是分佈中的中間值。

• 眾數 - 它是分佈中出現頻率最高的數值。

計算平均值和中位數

可以直接使用 pandas 函式來計算這些值。

import pandas as pd

#Create a Dictionary of series
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()

其輸出如下：

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

計算眾數

根據資料是連續的還是是否存在頻率最高的數值，分佈中可能存在也可能不存在眾數。我們下面使用一個簡單的分佈來找出眾數。這裡我們有一個在分佈中具有最高頻率的值。

import pandas as pd

#Create a Dictionary of series
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()

其輸出如下：

     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