NumPy 온라인 실행

NumPy로 평균, 중앙값, 표준편차 구하기

이 레슨에서는 NumPy로 평균, 중앙값, 표준편차 같은 기본 기술 통계를 계산합니다.

  • 중급
  • 2분 분량
  • 실행 가능한 예제 1개

소개

어떤 문제를 해결하나요

점수 100개가 적힌 목록은 한눈에 들어오지 않습니다. 우리가 알고 싶은 것은 두 가지입니다. 대표적인 점수는 몇 점이고, 점수들이 얼마나 퍼져 있을까요? 평균, 중앙값, 표준편차가 바로 이 질문에 답해 줍니다.

일상 속 비유

학생들이 자기 점수에 해당하는 수직선 위의 자리에 서 있다고 상상해 보세요. 평균은 이 선이 균형을 이루는 무게 중심입니다. 중앙값은 줄의 한가운데에 서 있는 학생의 점수입니다. 표준편차는 학생들이 무게 중심에서 보통 얼마나 떨어져 서 있는지 알려 줍니다.

수직선 위의 학생들에서 코드로
np.mean(scores)⚖️ 무게 중심: 84.0
np.median(scores)🧍 한가운데 학생: 85.0
np.std(scores)↔️ 중심에서 보통 떨어진 거리: 7.13
round(..., 2)✂️ 소수 둘째 자리까지만 남기기
중심과 퍼진 정도로 숫자 묶음을 요약합니다.
한 문장으로

평균은 값을 모두 더해 개수로 나눈 값입니다. 중앙값은 값을 정렬했을 때 한가운데에 오는 값입니다. 표준편차는 값들이 평균에서 보통 얼마나 떨어져 있는지 나타냅니다.

핵심 포인트

  1. np.mean(scores)는 점수 다섯 개를 더해 5로 나눕니다. 결과는 84.0입니다.
  2. np.median(scores)는 점수를 정렬한 뒤 한가운데 값을 고릅니다. 결과는 85.0입니다.
  3. np.std(scores)는 점수가 퍼진 정도를 구하고, round(..., 2)로 반올림하면 7.13이 나옵니다.
  4. 아주 낮은 점수가 하나 있으면 평균은 크게 내려가지만, 중앙값은 훨씬 덜 내려갑니다.

언제 사용하나요?

  • 점수, 가격, 시간, 측정값을 요약할 때.
  • 평균에서 멀리 떨어진 특이한 값을 찾아낼 때.
  • 두 반이나 두 상품처럼 두 집단을 비교할 때.

필요 없는 경우

  • 소득처럼 극단적인 이상값(outlier)이 있는 데이터: 평균보다 중앙값이 대표적인 값을 더 잘 나타냅니다.
  • 더 큰 모집단에서 뽑은 표본: 표본 표준편차를 구하려면 np.std(scores, ddof=1)을 씁니다.

예제 코드

코드 실행 →
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))
이 예제의 실행 버튼 만들기

실행 결과

mean: 84.0
median: 85.0
std: 7.13

코드 설명

np.mean(), np.median(), np.std() 함수는 기본적으로 배열 전체를 대상으로 계산합니다. 반의 평균은 84.0, 정렬했을 때 가운데 점수는 85.0이며, 약 7.13인 표준편차는 점수가 보통 평균에서 7점 정도 떨어져 있다는 뜻입니다. 여러 차원의 배열이라면 axis 매개변수로 행별 또는 열별로 계산할 수 있습니다.

값을 변경하고 Python 설치 없이 CodeUtility 온라인 Python 컴파일러에서 실행하세요.

연습 문제

아래 제안을 따라 코드를 바꿔 보세요. 코드를 직접 고치고 결과를 확인하면 읽기만 할 때보다 레슨을 훨씬 잘 이해할 수 있습니다.

  1. 입력 배열의 모양(shape)과 데이터 타입(dtype)을 바꿔 보세요.
  2. 음수, 소수, 누락된 값으로 테스트해 보세요.
  3. 같은 연산을 더 큰 다차원 배열에 적용하고 시간을 재 보세요.
Python 컴파일러에서 실행 →

자주 하는 실수

표본에 모집단 공식 쓰기

np.std는 기본적으로 n으로 나눕니다. 표본이라면 n - 1로 나눠야 합니다.

문제
np.std(sample)
수정
np.std(sample, ddof=1)

이 레슨을 마쳤나요?

학습 완료로 표시하면 진행 상황을 기록할 수 있습니다.

다음: NumPy로 행렬 곱하기 →

챌린지로 연습하기

이 레슨에서 배운 내용으로 실제 문제를 풀어 보세요. 모든 챌린지는 브라우저에서 실행되며 즉시 테스트와 AI 리뷰를 받을 수 있습니다.

모든 챌린지