Python - 集中趋势测量

从数学角度来看，集中趋势是指测量数据集值的位置中心或分布。它可以帮助了解数据集的平均值，以及值在数据集中的分散程度。这反过来有助于评估新输入融入现有数据集的可能性，从而评估成功的概率。

可以使用 pandas Python 库中的方法计算三种主要的集中趋势测量值。

• 平均值 - 它是数据的平均值，等于值之和除以值的数量。

• 中位数 - 当值按升序或降序排列时，它是分布中的中间值。

• 众数 - 它是分布中出现频率最高的数值。

计算平均值和中位数

可以直接使用 pandas 函数来计算这些值。

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

计算众数

根据数据是连续的还是是否存在频率最高的数值，分布中可能存在也可能不存在众数。我们下面使用一个简单的分布来找出众数。这里我们有一个在分布中具有最高频率的值。

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