Mittelwert, Median und Standardabweichung mit NumPy
In dieser Lektion berechnest du mit NumPy die grundlegenden Kennzahlen der beschreibenden Statistik: Mittelwert, Median und Standardabweichung.
Einführung
Das Problem
Eine Liste mit 100 Punktzahlen ist schwer zu lesen. Du willst zwei schnelle Antworten: Was ist eine typische Punktzahl, und wie stark streuen die Werte? Mittelwert, Median und Standardabweichung beantworten genau diese Fragen.
Stell es dir so vor
Stell dir Schüler vor, die nach ihrer Punktzahl auf einem Zahlenstrahl stehen. Der Mittelwert ist der Gleichgewichtspunkt des Strahls, der Median ist die Person in der Mitte der Reihe, und die Standardabweichung sagt dir, wie weit die Schüler üblicherweise vom Gleichgewichtspunkt entfernt stehen.
np.mean(scores)⚖️ Der Gleichgewichtspunkt: 84.0np.median(scores)🧍 Die Person in der Mitte: 85.0np.std(scores)↔️ Typischer Abstand von der Mitte: 7.13round(..., 2)✂️ Zwei Nachkommastellen behaltenDer Mittelwert ist die Summe geteilt durch die Anzahl, der Median ist der mittlere Wert nach dem Sortieren, und die Standardabweichung misst, wie weit die Werte typischerweise vom Mittelwert entfernt liegen.
Das Wichtigste
np.mean(scores)addiert die fünf Punktzahlen und teilt durch 5: 84.0.np.median(scores)sortiert sie und nimmt die mittlere: 85.0.np.std(scores)misst die Streuung;round(..., 2)zeigt 7.13.- Eine einzige sehr niedrige Punktzahl würde den Mittelwert viel stärker senken als den Median.
Wann verwendet man das?
- Punktzahlen, Preise, Zeiten und Messwerte zusammenfassen.
- Ungewöhnliche Werte erkennen, die weit vom Mittelwert entfernt liegen.
- Zwei Gruppen vergleichen, etwa zwei Klassen oder zwei Produkte.
Wann du es nicht brauchst
- Daten mit extremen Ausreißern, etwa Einkommen: Der Median beschreibt einen typischen Wert besser als der Mittelwert.
- Eine Stichprobe aus einer größeren Grundgesamtheit: Nimm
np.std(scores, ddof=1)für die Stichproben-Standardabweichung.
Beispielcode
import numpy as np
scores = np.array([72, 81, 85, 90, 92])
print("mean:", np.mean(scores))
print("median:", np.median(scores))
print("std:", round(np.std(scores), 2))
Ergebnis der Ausführung
mean: 84.0
median: 85.0
std: 7.13
Erklärung des Codes
Die Funktionen np.mean(), np.median() und np.std() rechnen standardmäßig über das ganze Array. Der Klassendurchschnitt ist 84.0, die mittlere Punktzahl nach dem Sortieren ist 85.0, und die Standardabweichung von etwa 7.13 bedeutet, dass die Punktzahlen typischerweise rund 7 Punkte vom Mittelwert abweichen. Bei mehrdimensionalen Arrays kannst du mit dem Parameter axis zeilen- oder spaltenweise rechnen.
Ändere die Werte und führe das Programm im CodeUtility Python Online-Compiler aus, ohne Python lokal zu installieren.
Übungen zur Vertiefung
Ändere den Code anhand der folgenden Vorschläge. Wenn du selbst etwas änderst und das Ergebnis beobachtest, verstehst du viel mehr, als wenn du den Code nur liest.
- Ändere die Form (shape) und den Datentyp (dtype) des Eingabearrays.
- Teste mit negativen Zahlen, Kommazahlen und fehlenden Werten.
- Wende dieselbe Operation auf ein größeres mehrdimensionales Array an und miss die Laufzeit.
Häufige Fehler
Die Formel für die Grundgesamtheit auf eine Stichprobe anwenden
np.std teilt standardmäßig durch n; eine Stichprobe braucht n - 1.
np.std(sample)
np.std(sample, ddof=1)
Lektion fertig?
Markiere sie als gelernt, um deinen Fortschritt zu verfolgen.
Mit einer Challenge üben
Nutze den Inhalt dieser Lektion, um ein echtes Problem zu lösen. Jede Challenge läuft im Browser, mit sofortigen Tests und einem KI-Review.
- Z-Score-Standardisierung Zentriere ein Merkmal auf 0 und skaliere es auf eine Standardabweichung von 1. Einfach
- Median einer Liste Finde den mittleren Wert einer Liste nach dem Sortieren. Einfach
- Array-Durchschnitt Berechne den Durchschnitt einer Liste von Zahlen. Einfach