基本统计值计算python代码编写
时间: 2023-07-23 14:12:54 浏览: 54
下面是一个计算基本统计值的 Python 代码示例,可以输入任意长度的数字序列,并输出它们的平均值、中位数、众数、标准差和方差:
```python
import statistics
data = input("请输入数字序列,以空格隔开:")
data_list = [float(x) for x in data.split()] # 将输入的字符串转换成数字列表
mean = statistics.mean(data_list) # 平均数
median = statistics.median(data_list) # 中位数
mode = statistics.mode(data_list) # 众数
stdev = statistics.stdev(data_list) # 标准差
variance = statistics.variance(data_list) # 方差
print("平均数:", mean)
print("中位数:", median)
print("众数:", mode)
print("标准差:", stdev)
print("方差:", variance)
```
运行示例:
```
请输入数字序列,以空格隔开:1 2 3 4 5 6 7 8 9
平均数: 5
中位数: 5
众数: 1.0
标准差: 2.7386127875258306
方差: 7.5
```
注意:输入的数字序列应该以空格隔开,例如:`1 2 3 4 5`。如果输入的不是数字序列,则会出现错误。
相关问题
Python编写一个缺失值统计代码
好的,以下是一个简单的利用Python编写的缺失值统计代码:
```python
import pandas as pd
file_path = 'example.csv'
df = pd.read_csv(file_path)
missing_value_count = df.isnull().sum().sum()
print(f"文件中共有{missing_value_count}个缺失值。")
```
在这个例子中,我们使用了pandas库中的`read_csv()`函数读取csv文件,然后使用`isnull().sum().sum()`函数计算了文件中的缺失值数量,最后使用`print()`函数输出结果。
你可以将`file_path`变量替换为你自己的文件路径,然后运行代码即可得到结果。
用Python编写蒙特卡洛计算圆周率
蒙特卡洛方法是一种通过随机抽样来估计数值的方法,用于计算圆周率的蒙特卡洛方法可以通过以下步骤实现:
1. 定义一个正方形区域,将其边长设为2,以原点为中心。
2. 在该正方形区域内随机生成大量的点。
3. 统计落在正方形内的点的数量和落在以原点为圆心、半径为1的圆内的点的数量。
4. 计算圆周率的近似值,即 π ≈ 4 * (圆内点的数量 / 总点的数量)。
下面是用Python编写蒙特卡洛计算圆周率的示例代码:
```python
import random
def estimate_pi(num_points):
points_inside_circle = 0
total_points = 0
for _ in range(num_points):
x = random.uniform(-1, 1)
y = random.uniform(-1, 1)
distance = x**2 + y**2
if distance <= 1:
points_inside_circle += 1
total_points += 1
pi_estimate = 4 * (points_inside_circle / total_points)
return pi_estimate
# 调用函数进行估计
num_points = 1000000
pi_approximation = estimate_pi(num_points)
print("Approximation of pi:", pi_approximation)
```
这段代码使用了random模块来生成随机数,并通过循环来统计落在圆内的点的数量和总点的数量。最后,根据公式计算出圆周率的近似值,并输出结果。