NumPy ऑनलाइन चलाएँ

NumPy में Mean, Median और Standard Deviation

मुख्य descriptive statistics निकालें।

  • मध्यम
  • 2 मिनट में पढ़ें
  • 1 चलाने योग्य उदाहरण

NumPy में Mean, Median और Standard Deviation क्या है?

समस्या क्या है

100 स्कोर की लिस्ट पढ़ना मुश्किल है। आपको दो जल्दी जवाब चाहिए: आम स्कोर कितना है, और स्कोर कितने फैले हुए हैं? Mean, median और standard deviation ठीक इन्हीं सवालों का जवाब देते हैं।

ऐसे समझें

सोचिए कि छात्र अपने स्कोर के हिसाब से एक नंबर लाइन पर खड़े हैं। Mean लाइन का बैलेंस पॉइंट है, median कतार के बीच में खड़ा छात्र है, और standard deviation बताता है कि छात्र आमतौर पर बैलेंस पॉइंट से कितनी दूर खड़े हैं।

लाइन पर खड़े छात्रों से कोड तक
np.mean(scores)⚖️ बैलेंस पॉइंट: 84.0
np.median(scores)🧍 बीच वाला छात्र: 85.0
np.std(scores)↔️ केंद्र से आम दूरी: 7.13
round(..., 2)✂️ दो दशमलव रखें
केंद्र और फैलाव नंबरों के एक सेट का सार बताते हैं।
एक वाक्य में

Mean जोड़ को गिनती से भाग देने पर मिलता है, median सॉर्ट करने के बाद बीच की वैल्यू है, और standard deviation मापता है कि वैल्यू आमतौर पर mean से कितनी दूर हैं।

मुख्य बातें

  1. np.mean(scores) पाँचों स्कोर जोड़कर 5 से भाग देता है: 84.0।
  2. np.median(scores) उन्हें सॉर्ट करके बीच वाला लेता है: 85.0।
  3. np.std(scores) फैलाव मापता है; round(..., 2) 7.13 दिखाता है।
  4. एक बहुत कम स्कोर mean को median से कहीं ज़्यादा नीचे खींच लेगा।

इसका उपयोग कब करें?

  • स्कोर, कीमतों, समय और माप का सार निकालना।
  • ऐसी असामान्य वैल्यू पहचानना जो mean से बहुत दूर हों।
  • दो ग्रुप की तुलना, जैसे दो क्लास या दो प्रोडक्ट।

कब ज़रूरत नहीं

  • बहुत ज़्यादा outlier वाला डेटा, जैसे आमदनी: median आम वैल्यू को mean से बेहतर बताता है।
  • बड़ी आबादी से लिया गया सैंपल: सैंपल standard deviation के लिए np.std(scores, ddof=1) इस्तेमाल करें।

उदाहरण कोड

कोड चलाएँ →
main.py
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))
इस उदाहरण के लिए Run बटन बनाएँ

अपेक्षित आउटपुट

mean: 84.0
median: 85.0
std: 7.13

यह कैसे काम करता है

mean, median और std पूरे array या चुने हुए axis पर calculate किए जा सकते हैं।

मान बदलें और Python इंस्टॉल किए बिना CodeUtility ऑनलाइन Python कंपाइलर में प्रोग्राम चलाएँ।

अभ्यास के कार्य

बड़े dataset पर जाने से पहले input बदलें और edge cases की जाँच करें।

  1. Shape और dtype बदलकर देखें।
  2. Negative, decimal और missing values जाँचें।
  3. बड़े array पर execution time मापें।
Python IDE में चलाएँ →

आम गलतियाँ

सैंपल के लिए population फ़ॉर्मूला इस्तेमाल करना

np.std डिफ़ॉल्ट रूप से n से भाग देता है; सैंपल के लिए n - 1 चाहिए।

समस्या
np.std(sample)
सुधार
np.std(sample, ddof=1)

यह पाठ पूरा कर लिया?

अपनी प्रगति ट्रैक करने के लिए इसे सीखा हुआ मार्क करें।

अगला: NumPy में Matrix Multiplication →

चैलेंज से अभ्यास करें

इस पाठ में सीखी बात से एक असली समस्या हल करें। हर चैलेंज ब्राउज़र में चलता है, तुरंत टेस्ट और AI रिव्यू के साथ।

सभी चैलेंज