如何在python中计算输出的均值、众数、方差、标准差等？

Question

我有一个基于概率的简单游戏，每天我们掷硬币，如果我们正面朝上，我们赢了，我们得到 20 美元，如果我们抛硬币，我们反面，我们最后损失 19 美元当月（28 天）我们看到我们损失了多少或赚了多少。

def coin_tossing_game():
    random_numbers = [random.randint(0, 1) for x in range(500)] #generate 500 random numbers
    for x in random_numbers:
        if x == 0: #if we get heads
            return 20 #we win $20
        elif x == 1: #if we get tails
            return -19 #we lose $19


for a in range(1, 28): #for each day of the month
    print(coin_tossing_game())

这将返回输出 20 20 -19 -19 -19 -19 -19 20 -19 20 -19 20 -19 20 20 -19 -19 20 20 -19 -19 -19 20 20 20 -19 -19 -19 20 20

这个输出正是我所期望的。我想找到输出和其他描述性统计数据的总和，例如平均值、众数、中位数、标准差、置信区间等。我不得不将这些数据复制并粘贴到 Excel 中来进行数据分析。我希望有一种方法可以在 python 中快速轻松地做到这一点。

Answer 1

使用 scipy stats 模块并使用 modal 作为众数，使用 scipy.stats.mstats.median_cihs 作为中位数，使用 trim_mean 作为均值。您还可以使用统计模块并使用mean()、median() 和mode() 函数。

Answer 2

是的，有：安装 numpy 和 scipy。使用函数numpy.mean、numpy.std、numpy.median、scipy.stats.mode。

Scipy 还包含scipy.stats 模块，它提供了各种常见的显着性测试。

Answer 3

你问的是如何。最直接可用的方法是以 statistics 库的形式内置到 Python 中。但同样，你似乎想知道如何做到这一点。下面的代码展示了我近 50 年来没有必要做的基础知识。

首先，修改您的代码，使其在向量中捕获样本。在我的代码中，它被称为sample。

代码的第一部分只是简单地练习 Python 库。那里没有汗水。

代码的第二部分显示了如何累积样本中值的总和，以及它们与平均值的偏差的平方和。我留给您在这些统计数据的通常假设下计算如何计算样本方差、样本标准差和置信区间。在对样本进行排序和重命名后，我计算了最大值和最小值（对于某些分布的估计很有用）。最后，我计算排序样本的中位数。我把中位数的计算留给你。

import random

def coin_tossing_game():
    random_numbers = [random.randint(0, 1) for x in range(500)] #generate 500 random numbers
    for x in random_numbers:
        if x == 0: #if we get heads
            return 20 #we win $20
        elif x == 1: #if we get tails
            return -19 #we lose $19

sample = []
for a in range(1, 28): #for each day of the month
    #~ print(coin_tossing_game())
    sample.append(coin_tossing_game())

## the easy way

import statistics

print (statistics.mean(sample))
print (statistics.median(sample))
print (statistics.mode(sample))
print (statistics.stdev(sample))
print (statistics.variance(sample))

## the hard way

sample.sort()
orderedSample = sample
N = len(sample)
minSample = orderedSample[0]
maxSample = orderedSample[-1]
sumX = 0
for x in sample:
    sumX += x
mean = sumX / N

sumDeviates2 = 0
for x in sample:
    sumDeviates2 += ( x-mean )**2

k = N//2
if N%2==0:
    mode = 0.5* (orderedSample[k]+orderedSample[k-1])
else:
    mode = orderedSample[k]