下一个→ ←上一页

Python中的模式

统计模式简介

在统计学中，在一组提供的数据值中经常出现的值称为模式．换句话说，具有较高频率或重复出现的数字或值被称为模式或者是模态值。模式是三项措施中的集中趋势．另外两个指标分别是平均值和中位数。

例如:

我们有一个set A = {4,5,6,6,7,8,9}．从数字开始6有更高的频率，因此集合A的模态为6．这样，就很容易找到模式对于有限数量的观测。一组数据值可以有一个模态值或多个模态值，或者根本没有模态。连续概率分布的模态通常是任意值x。它的概率密度函数有A本地最大值，所以任何峰值都是一个模态。

Python中的mode()函数

Python在处理统计和处理一组大范围的数据值时，它成为一种相当强大的编程语言。Python提供统计数据模块有很多函数可以处理相当大的数据集，还有模式()函数就是其中之一。的模式()函数用于返回所提供的数据集范围内中心数据点的稳健度量。

的模式()函数是标准中唯一的函数统计数据Python编程语言的库，可以应用于非数字(名义)数据。

让我们看看Python中mode函数的语法。

语法:

的语法模式()函数如下所示:

Python中mode()函数的参数

的参数。模式()函数就是数据。它可以是迭代或序列——例如，列表、元组等等。

注意:如果data参数为空，mode()函数将引发一个StatisticsError。

Python中mode()函数的返回值

的模式()函数一旦在迭代器中计算了所提供数据的模式(例如，列表、元组等)，将根据参数中提供的数据返回一个浮点数或非数值(名义)值。

让我们考虑一些基于模式()标准的功能统计数据Python编程语言库。

例1:查找下面给出的数据集的模式:

            #导入统计数据库导入统计数据#创建数据集my_set =[10,20,30,30,40,40,50,60] #估计给定集的模式my_mode = statistics。mode(my_set) #将估计的模式打印到用户打印("给定数据集的模式是"，my_mode)
           

输出:

给定数据值集的模式为40

解释:

在上面的示例中，我们导入了统计数据库并创建了一个集为my_set．然后，我们估计了给定集合的模态使用statistics.mode ()函数，并将其值打印给用户。结果，集合中频率最高的值已成功打印。

例2:演示mode()函数处理不同类型的数据。

            #导入统计库导入统计#导入分数从分数分数作为fr #导入模块创建元组的正整数数字data_1 =(20、30、30、40、50岁,50岁,50岁,60岁,70年,70年)#创建浮点值的元组data_2 =(1.2, 2.3, 2.3, 3.4, 4.5, 4.5, 4.5, 5.6, 5.6, 7.8) #创建元组的部分数字data_3 = (fr (1,3), fr(1、5),fr(1、5),fr(2、3),fr(3、4),fr(8、9))#创建元组的负整数数字data_4 = (9-8， -7， -7， -7， -6， -5， -5， -4， -2) #创建字符串元组data_5 = ("apple"， "mango"， "mango"， "mango"， "banana"， "guava"， "guava") #估计给定数据集的模式mode_1 = statistics。Mode (data_1) mode_2 = statistics。Mode (data_2) Mode = statistics。Mode (data_3) mode_4 = statistics。Mode (data_4) mode_5 = statistics。模式( data_5) # printing the estimated modes to the users print("1. Mode of First Data set is", mode_1) print("2. Mode of Second Data set is", mode_2) print("3. Mode of Third Data set is", mode_3) print("4. Mode of Forth Data set is", mode_4) print("5. Mode of Fifth Data set is", mode_5)
           

输出:

1.第一个数据集的模式为50。Second Data set的Mode为4.5 3。第三个数据集的模式为1/5 4。数据集为-7 5.单击“确定”。第五数据集的模式为mango

解释:

在上面的示例中，我们导入了统计数据图书馆及分数模块。然后，我们创建了一个不同范围的元组来检查是否模式()函数适用于各种数据类型。我们已经创建了一个由正整数、浮点值、小数、负整数和字符串组成的元组。然后我们用了statistics.mode ()函数计算每个数据集的模式。然后，我们将这些估计值打印给用户。