Подробное руководство по среднему методу Python ()

Эй, ребята! В этой статье мы будем сосредоточиться на функции Gython Meance () для выполнения средней операции.

Среднее это значение, которое представляет собой весь набор объектов. Считается как Центральное значение набора чисел.

Среднее значение рассчитывается путем деления суммирования всех значений объекта по количеству объектов. По сути, среднее значение – это среднее значение указанных значений.

Формула:

(сумма значений)/Общие значения

Теперь давайте понять работу Средняя () функция рассчитать среднее значение.

Использование функции () Python Move ()

Средняя () функция помогает при расчете среднего набора значений, переданных функции.

Модуль статистики Python используется для выполнения всех статистических операций на данных. Нам нужно импортировать модуль статистики, используя команду ниже:

Синтаксис : Импорт модуля статистики

import statistics

Функция Statistics.Mean () принимает значения данных в качестве аргумента и возвращает среднее значение, переданное ему.

Синтаксис:

statistics.mean(data)

Пример:

import statistics
data = [10,20,30,40,50]

res_mean = statistics.mean(data)
print(res_mean)

Выход:

Среднее () Python () Функция с Numpy Module

Python Numpy Module представляет набор значений в виде массива. Мы можем рассчитать среднее значение этих элементов массива, используя функцию numpy.mean ().

numpy.mean () Функция Выполняет так же, как по статистике. Функция.

Синтаксис:

numpy.mean(data)

Пример:

import numpy as np
data = np.arange(1,10)
res_mean = np.mean(data)
print(res_mean)

В приведенном выше примере мы использовали numpy.arange (запуск, остановка) Функция для генерации равномерно расположенных значений в диапазоне, представленной в качестве параметров. Далее numpy.mean () Функция используется для расчета среднего значения всех элементов массива.

Выход:

5.0

Gython Move () Функция с модулем Pandas

Модуль Python Pandas имеет дело с огромными наборами данных в виде данных данных. Среднее значение этих огромных наборов данных можно рассчитать с помощью функции Pandas.dataframe.mean ().

Pandas.dataframe.mean () Функция возвращает среднее значение этих значений данных.

Синтаксис:

pandas.DataFrame.mean()

Пример 1:

import numpy as np
import pandas as pd
data = np.arange(1,10)
df = pd.DataFrame(data)
res_mean = df.mean()
print(res_mean)

В приведенном выше примере мы создали Numpy Array Использование numpy.arange () Функция а затем преобразовал значения массива в DataFrame, используя Pandas.dataframe () Функция Отказ Кроме того, мы рассчитали среднее значение данных DataFrame, используя Pandas.dataframe.mean () Функция Отказ

Выход:

0    5.0
dtype: float64

Пример 2:

import pandas as pd 
data = pd.read_csv("C:/mtcars.csv")
res_mean = data['qsec'].mean()
print(res_mean)

Входной набор данных:

В приведенном выше примере мы использовали вышеупомянутый набор данных и рассчитали среднее значение всех значений данных, присутствующих в столбце данных « ». QSEC ‘.

Выход:

17.848750000000003

Заключение

Таким образом, в этой статье мы поняли рабочую функцию Python Move () наряду с модулем Numpy и Pandas.

Использование функции () Python Move ()

Среднее () Python () Функция с Numpy Module

Gython Move () Функция с модулем Pandas

Заключение

Рекомендации

Читайте ещё по теме: