[python] 평균값, 중앙값 (절삭, 가중)

파이썬에서 각종 라이브러리를 통해 절삭 또는 가중 처리된 평균값, 중앙값 등을 구하는 샘플 코드를 정리합니다.




import numpy as np
import pandas as pd
import wquantiles
from scipy.stats import *

# CSV 파일에서 데이터 변환 (컬럼명 포함)
state = pd.read_csv('./stats/state.csv')
print(state)

# 평균값
mean = state['Population'].mean()
print('Mean : ' + str(mean))

# 15% 절삭 평균
trimmed_mean = trim_mean(state['Population'], 0.15)
print('15% Trimmed Mean : ' + str(trimmed_mean))

# 중앙값
median = state['Population'].median()
print('Median : ' + str(median))

# 가중 평균
weighted_mean = np.average(state['Murder Rate'], weights=state['Population'])
print('Weighted Mean of Murder Rate : ' + str(weighted_mean))

# 가중 중앙
weighted_median = wquantiles.median(state['Murder Rate'], weights=state['Population'])
print('Weighted Median of Murder Rate : ' + str(weighted_median))


아래는 출력결과입니다.


         State  Population  Murder Rate Abbreviation
0      Alabama     4779736          5.7           AL
1       Alaska      710231          5.6           AK
2      Arizona     6392017          4.7           AZ
3     Arkansas     2915918          5.6           AR
4   California    37253956          4.4           CA
5     Colorado     5029196          2.8           CO
6  Connecticut     3574097          2.4           CT
7     Delaware      897934          5.8           DE
Mean : 7694135.625
15% Trimmed Mean : 3931483.0
Median : 4176916.5
Weighted Mean of Murder Rate : 4.376359279149048
Weighted Median of Murder Rate : 4.448750497554494



끝.

댓글

이 블로그의 인기 게시물

[PLC] PLC 센서 결선방법: NPN, PNP, SOURCING, SINK

[주식] 한국거래소(KRX) 데이터 API 입문 가이드

NPN, PNP 트랜지스터 차이점

[PLC] PLC 아날로그 입출력 기본

[PLC] 센서 NPN, PNP 출력 타입별 결선방법 (OMRON E2E-X 시리즈 3선식 배선)

전력(kW) 계산하기 (직류, 교류 단상, 교류 삼상)

공압 속도 제어: 미터인 vs 미터아웃

[PLC] PLC 입출력 타입 - 싱크 & 소스 (Sink & Source)

사각형의 넓이 공식의 증명

[전기 기초] 전력공식 P=VI 유도