python数据特征值

在Python中，可以使用NumPy库来计算数据的特征值。以下是一些常见的特征值及其计算方法：

1. 均值（mean）：数据的平均值，可以使用NumPy中的mean函数计算。

import numpy as np

data = np.array([1, 2, 3, 4, 5])
mean = np.mean(data)
print(mean)

2. 中位数（median）：数据的中间值，可以使用NumPy中的median函数计算。

import numpy as np

data = np.array([1, 2, 3, 4, 5])
median = np.median(data)
print(median)

3. 众数（mode）：数据中出现次数最多的值，可以使用SciPy中的mode函数计算。

import numpy as np
from scipy import stats

data = np.array([1, 2, 2, 3, 4, 4, 4, 5])
mode = stats.mode(data)
print(mode)

4. 方差（variance）：数据的离散程度，可以使用NumPy中的var函数计算。

import numpy as np

data = np.array([1, 2, 3, 4, 5])
variance = np.var(data)
print(variance)

5. 标准差（standard deviation）：数据的离散程度的平方根，可以使用NumPy中的std函数计算。

import numpy as np

data = np.array([1, 2, 3, 4, 5])
std = np.std(data)
print(std)

这些特征值可以帮助我们更好地理解数据的分布情况和统计特征。