Esegui NumPy online

Mean, Median and Standard Deviation with NumPy

Summarize a list of scores with three numbers: where the middle is and how spread out the values are.

Intermedio
2 min di lettura
1 esempio eseguibile

Cosa imparerai

np.mean and np.median
np.std and what spread means
When the median is better than the mean

Esegui nel compilatore Python →

scores = [72, 81, 85, 90, 92]

mean84.0

median85.0 (the middle value)

std7.13 (typical distance from 84)

Center and spread

La media (mean) e la mediana (median) indicano attorno a quale valore si concentrano i dati, mentre la deviazione standard (standard deviation) indica quanto sono dispersi. Sono i primi numeri che di solito si calcolano quando si inizia ad analizzare un insieme di dati.

Punti chiave

The mean adds all values and divides by the count.
The median is the middle value after sorting, so outliers barely move it.
The standard deviation is the typical distance from the mean.

Quando si usa?

Fare calcoli veloci su molti valori insieme, senza scrivere cicli.
Lavorare in modo efficiente con array, matrici e dati scientifici.
Preparare i dati per la data science e il machine learning.

Codice di esempio

Esegui codice →

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))

Crea un pulsante Run per questo esempio

Risultato dell'esecuzione

mean: 84.0
median: 85.0
std: 7.13

Spiegazione del codice

Le funzioni np.mean(), np.median() e np.std() calcolano, per impostazione predefinita, sull'intero array. La media della classe è 84.0, il voto centrale dopo l'ordinamento è 85.0, e la deviazione standard di circa 7.13 indica che i voti si allontanano in genere di circa 7 punti dalla media. Con array multidimensionali puoi passare il parametro axis per calcolare per righe o per colonne.

Modifica i valori ed esegui il programma nel compilatore Python online CodeUtility senza installare Python.

Esercizi di approfondimento

Prova a modificare il codice seguendo i suggerimenti qui sotto. Cambiare il codice e osservare il risultato ti aiuta a capire molto più che leggerlo soltanto.

Cambia la forma (shape) e il tipo di dato (dtype) dell'array di input.
Prova con numeri negativi, decimali e valori mancanti.
Applica la stessa operazione a un array più grande, con più dimensioni, e misura il tempo.

Esegui nel compilatore Python →

Esercitati con una sfida

Usa ciò che questa lezione spiega per risolvere un problema reale. Ogni sfida gira nel browser, con test immediati e una revisione dell'IA.

Tutte le sfide