js 创建函数,传递一个参数(数组),返回这组数字的平 均值
时间: 2024-02-05 22:14:26 浏览: 29
可以使用以下代码实现:
```js
function average(numbers) {
var sum = 0;
for (var i = 0; i < numbers.length; i++) {
sum += numbers[i];
}
return sum / numbers.length;
}
```
调用该函数,传入一个数组作为参数即可计算平均值,例如:
```js
var nums = [1, 2, 3, 4, 5];
var avg = average(nums);
console.log(avg); // 输出 3
```
相关问题
创建一个函数,能够返回任意均值或方差的正态分布曲线
以下是Python代码实现:
```python
import numpy as np
import matplotlib.pyplot as plt
def normal_distribution(x, mu, sigma):
"""
返回均值为mu,标准差为sigma的正态分布在x处的概率密度值
"""
return np.exp(-((x-mu)**2)/(2*sigma**2))/(sigma*np.sqrt(2*np.pi))
def plot_normal_distribution(mu, sigma):
"""
绘制均值为mu,标准差为sigma的正态分布曲线
"""
x = np.linspace(mu-4*sigma, mu+4*sigma, 1000)
y = normal_distribution(x, mu, sigma)
plt.plot(x, y)
plt.xlabel('x')
plt.ylabel('Probability density')
plt.title('Normal distribution with mu={} and sigma={}'.format(mu, sigma))
plt.show()
# 示例
plot_normal_distribution(0, 1) # 绘制均值为0,标准差为1的正态分布曲线
```
可以通过调用plot_normal_distribution函数,传入均值mu和标准差sigma来绘制不同均值和方差的正态分布曲线。
编写函数,该函数接收一个列表参数,返回该列表的均值、方差、标准差
可以使用Python中的numpy库来计算均值、方差和标准差。以下是一个示例函数:
```python
import numpy as np
def stats(lst):
mean = np.mean(lst)
var = np.var(lst)
std = np.std(lst)
return mean, var, std
```
调用该函数并打印结果:
```python
lst = [1, 2, 3, 4, 5]
mean, var, std = stats(lst)
print("均值:", mean)
print("方差:", var)
print("标准差:", std)
```
输出结果如下:
```
均值: 3.0
方差: 2.5
标准差: 1.5811388300841898
```