鲁棒性指标 评价不同中心性指标的代码

下面是一个使用 Python 语言评估不同中心性指标鲁棒性的代码示例：

import numpy as np

# 生成带有异常值的数据
data = np.random.normal(loc=0, scale=1, size=100)
data[0] = 100
data[1] = -100

# 计算均值、中位数和四分位数
mean = np.mean(data)
median = np.median(data)
q1 = np.percentile(data, 25)
q3 = np.percentile(data, 75)

# 计算均值、中位数和四分位数在异常值下的偏移量
mean_offset = abs(100 - mean) / 100
median_offset = abs(100 - median) / 100
q1_offset = abs(100 - q1) / 100
q3_offset = abs(100 - q3) / 100

# 输出结果
print("Mean offset: ", mean_offset)
print("Median offset: ", median_offset)
print("Q1 offset: ", q1_offset)
print("Q3 offset: ", q3_offset)

该代码使用 Numpy 库生成一个包含 100 个随机数的数据集，并将第一个和第二个数据点设置为异常值。然后，它计算数据集的均值、中位数和四分位数，并计算它们在异常值下的偏移量。

在输出结果中，均值的偏移量应该会比中位数和四分位数的偏移量更大，这表明均值在异常值下的表现不如中位数和四分位数。这可以作为评价中心性指标鲁棒性的一种方式。