编写一个 Python 程序，该程序读取一个包含数字的列表，然后输出所有数字的平均值、中位数和众数。 [1，2，3，4，5，6，7，8，9，10，10，10]

以下是 Python 代码实现：

from collections import Counter

# 读取数字列表
nums = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 10, 10]

# 计算平均值
mean = sum(nums) / len(nums)
print("平均值为：", mean)

# 计算中位数
nums.sort()
n = len(nums)
if n % 2 == 0:
    median = (nums[n // 2 - 1] + nums[n // 2]) / 2
else:
    median = nums[n // 2]
print("中位数为：", median)

# 计算众数
freq = Counter(nums)
mode = [k for k, v in freq.items() if v == max(list(freq.values()))]
print("众数为：", mode)

输出结果为：

平均值为： 6.5
中位数为： 6.5
众数为： [10]

相关问题

如何使用平均值/中位数/众数填充：使用列的平均值、中位数或众数来填充NaN值。

使用平均值/中位数/众数填充NaN值的方法是一种简单而常用的方法。下面我以平均值填充为例，介绍具体步骤：

1. 根据需要填充的列，计算该列的平均值。可以使用Python中的pandas库来计算：

import pandas as pd

# 读取数据集
df = pd.read_csv('data.csv')

# 计算列的平均值
mean_value = df['column_name'].mean()

2. 使用fillna()函数将NaN值替换为平均值：

# 将NaN值替换为平均值
df['column_name'].fillna(mean_value, inplace=True)

其中，inplace=True表示对原始数据进行修改，而不是返回一个新的数据副本。

使用中位数/众数填充NaN值的方法与平均值填充类似，只需要将mean()替换为median()或mode()即可。需要注意的是，对于类别型数据，应使用众数进行填充。

python对.csv文件的索引列的缺失值使用众数、平均值、中位数进行填充

可以使用pandas库来读取和处理.csv文件。可以使用fillna()方法来填充缺失值，其中可以传入参数来指定填充方式。

例如，使用众数来填充缺失值：

import pandas as pd

# 读取csv文件
df = pd.read_csv('data.csv')

# 使用众数填充缺失值
mode = df['column_name'].mode()[0]  # 获取众数
df['column_name'].fillna(mode, inplace=True)  # 使用众数填充缺失值

使用平均值来填充缺失值：

import pandas as pd

# 读取csv文件
df = pd.read_csv('data.csv')

# 使用平均值填充缺失值
mean = df['column_name'].mean()  # 获取平均值
df['column_name'].fillna(mean, inplace=True)  # 使用平均值填充缺失值

使用中位数来填充缺失值：

import pandas as pd

# 读取csv文件
df = pd.read_csv('data.csv')

# 使用中位数填充缺失值
median = df['column_name'].median()  # 获取中位数
df['column_name'].fillna(median, inplace=True)  # 使用中位数填充缺失值

其中，'column_name'需要替换为需要填充缺失值的列名。