numpy车辆统计简单案例
时间: 2023-06-13 19:05:41 浏览: 50
下面是一个简单的numpy车辆统计案例,假设有一段时间内,某个路口通过的车辆数如下:
```python
import numpy as np
data = np.array([45, 56, 78, 89, 32, 67, 44, 91, 73, 52, 67, 55, 88, 47, 62, 51, 77, 66, 52, 82])
```
现在我们想要对这些车辆数据进行统计,例如计算平均值、中位数、标准差等。
```python
# 计算平均值
mean = np.mean(data)
print("平均值为:", mean)
# 计算中位数
median = np.median(data)
print("中位数为:", median)
# 计算标准差
std = np.std(data)
print("标准差为:", std)
```
输出结果如下:
```
平均值为: 63.1
中位数为: 66.0
标准差为: 18.48840366925468
```
除此之外,我们还可以使用numpy的一些函数进行更加复杂的统计分析,例如计算最大值、最小值、四分位数等等。
```python
# 计算最大值
max_value = np.max(data)
print("最大值为:", max_value)
# 计算最小值
min_value = np.min(data)
print("最小值为:", min_value)
# 计算四分位数
q1 = np.percentile(data, 25)
q2 = np.percentile(data, 50)
q3 = np.percentile(data, 75)
print("第一四分位数为:", q1)
print("中位数为:", q2)
print("第三四分位数为:", q3)
```
输出结果如下:
```
最大值为: 91
最小值为: 32
第一四分位数为: 51.5
中位数为: 66.0
第三四分位数为: 77.25
```
通过这些统计分析,我们可以更好地了解车辆通过量的分布情况。