统计 iris.list 各列属性均值，方差，标准差，中位数并打印输出。

可以使用 pandas 库来完成这个任务：

import pandas as pd

iris = pd.read_csv('iris.list', header=None, sep='\s+')

# 均值
means = iris.mean()
print("Mean:")
print(means)

# 方差
variances = iris.var()
print("Variance:")
print(variances)

# 标准差
stds = iris.std()
print("Standard deviation:")
print(stds)

# 中位数
medians = iris.median()
print("Median:")
print(medians)

注意，需要先将 iris.list 数据加载进来，并且使用正确的分隔符。

相关问题

读取 iris.data 数据集到内存中，并存储为列表命名为 iris_list，里面的元素可以是自定义对象，也可以是 2 维列表，并输出 iris.data 有多少个样本个数，以及有多少种类别。按照第一列属性（sepal length 花萼长度）将上步操作得到的列表升序排序并打印结果。实现一Python 函数，能够实现对 iris_list 的有放回随机抽样，函数参数为抽样列表 data，抽样个数number ，并测试打印结果。 实现一个 Python 函数，能够实现对 iris_list 的无放回随机抽样，函数参数为抽样列表 data，抽样个数 number ，并测试打印结果。统计 iris 各列属性均值，方差，标准差，中位数并打印输出。

好的，我会尽力回答您的问题。以下是我的回答：

1. 读取 iris.data 数据集到内存中，并存储为列表命名为 iris_list，里面的元素可以是自定义对象，也可以是 2 维列表，并输出 iris.data 有多少个样本个数，以及有多少种类别。

import csv

iris_list = []
species_set = set()

with open('iris.data', 'r') as f:
    reader = csv.reader(f)
    for row in reader:
        if len(row) == 5:
            iris_list.append(row)
            species_set.add(row[4])

print("iris.data 有", len(iris_list), "个样本")
print("iris.data 有", len(species_set), "种类别")

2. 按照第一列属性（sepal length 花萼长度）将上步操作得到的列表升序排序并打印结果。

sorted_iris_list = sorted(iris_list, key=lambda x: float(x[0]))

for row in sorted_iris_list:
    print(row)

3. 实现一Python 函数，能够实现对 iris_list 的有放回随机抽样，函数参数为抽样列表 data，抽样个数number ，并测试打印结果。

import random

def random_sample_with_replacement(data, number):
    return [random.choice(data) for _ in range(number)]

sample = random_sample_with_replacement(iris_list, 5)
for row in sample:
    print(row)

4. 实现一个 Python 函数，能够实现对 iris_list 的无放回随机抽样，函数参数为抽样列表 data，抽样个数 number ，并测试打印结果。

def random_sample_without_replacement(data, number):
    return random.sample(data, number)

sample = random_sample_without_replacement(iris_list, 5)
for row in sample:
    print(row)

5. 统计 iris 各列属性均值，方差，标准差，中位数并打印输出。

import numpy as np

iris_array = np.array(iris_list, dtype=float)

mean = np.mean(iris_array, axis=0)
variance = np.var(iris_array, axis=0)
std_deviation = np.std(iris_array, axis=0)
median = np.median(iris_array, axis=0)

print("各列属性均值：", mean)
print("各列属性方差：", variance)
print("各列属性标准差：", std_deviation)
print("各列属性中位数：", median)

希望这些回答能够帮助您！

实现一个 Python 函数，能够实现对 iris_list 的无放回随机抽样，函数参数为抽 样列表 data，抽样个数 number ，并测试打印结果。10’ 1 def sampling_without_replacement ( data , number) : 2 # todo • 统计 iris 各列属性均值，方差，标准差，中位数并打印输出。15‘

实现一个 Python 函数，能够实现对 iris_list 的无放回随机抽样，函数参数为抽样列表 data，抽样个数 number ，并测试打印结果。

答：以下是实现代码：

import random

def sampling_without_replacement(data, number):
    """
    无放回随机抽样函数
    :param data: 抽样列表
    :param number: 抽样个数
    :return: 抽样结果
    """
    if len(data) < number:
        return "抽样个数不能大于列表长度！"
    else:
        return random.sample(data, number)

# 测试
iris_list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
print(sampling_without_replacement(iris_list, 5))

输出结果为：

[3, 2, 7, 10, 9]

说明函数能够实现对 iris_list 的无放回随机抽样，抽样个数为 5。