目录
1、百分位数
2、数据分布
3、正态数据分布
1、百分位数
统计学中使用百分位数(Percentiles)提供一个数字,该数字描述了给定百分比值小于的值。
例如:假设我们有一个数组,包含一时刻一条街上人的年龄
arr = [5,31,43,48,50,41,7,11,15,39,80,82,32,2,8,6,25,36,27,61,31]
什么是 90 百分位数?答案是 61,这意味着 90% 的人是 61 岁或以下。
NumPy 模块有一种用于找到指定百分位数的方法
使用 NumPy percentile()
方法查找百分位数
import numpy
ages = [5,31,43,48,50,41,7,11,15,39,80,82,32,2,8,6,25,36,27,61,31]
x = numpy.percentile(ages, 75)
print(x) # 61
2、数据分布
在现实世界中,数据集要大得多,但是至少在项目的早期阶段,很难收集现实世界的数据
为了创建用于测试的大数据集,我们使用 Python 模块 NumPy,该模块附带了许多创建任意大小的随机数据集的方法
创建一个包含 250 个介于 0 到 5 之间的随机浮点数的数组
import numpy
x = numpy.random.uniform(0.0, 5.0, 250)
print(x)
创建一个具有 100000 个随机数的数组,并使用具有 100 栏的直方图显示它们
其中uniform() 是一个用于生成指定区间内随机浮点数的函数
import numpy as np
import matplotlib.pyplot as plt
x = np.random.uniform(0.0, 5.0, 100000)
plt.hist(x, 100) # 将 0 ~ 5之间的数划分为 100 个小区间
plt.show()
3、正态数据分布
normal`是指numpy.random 模块中的正态分布随机数生成函数
我们指定平均值为 5.0,标准差为 1.0
这意味着这些值应集中在 5.0 左右,并且很少与平均值偏离 1.0
import numpy
import matplotlib.pyplot as plt
x = numpy.random.normal(5.0, 1.0, 100000)
plt.hist(x, 100)
plt.show()
使用 numpy.random.normal()
方法创建的数组(具有 100000 个值)绘制具有 100 栏的直方图文章来源:https://www.toymoban.com/news/detail-459015.html
从直方图中可以看到,大多数值都在 4.0 到 6.0 之间,最高值大约是 5.0文章来源地址https://www.toymoban.com/news/detail-459015.html
到了这里,关于百分位数、数据分布、直方图、正态数据分布的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!