Запустить NumPy онлайн

Среднее, медиана и стандартное отклонение в NumPy

В этом уроке вы вычислите с помощью NumPy основные описательные статистики: среднее, медиану и стандартное отклонение.

  • Средний
  • Чтение: 2 мин
  • Примеров для запуска: 1

Введение

Какую задачу это решает

Список из 100 баллов трудно читать. Хочется быстро узнать две вещи: какой балл типичный и насколько сильно баллы разбросаны. Среднее, медиана и стандартное отклонение отвечают именно на эти вопросы.

Пример из жизни

Представьте студентов, стоящих на числовой прямой по своим баллам. Среднее - это точка, в которой прямая была бы в равновесии. Медиана - студент, который стоит ровно посередине ряда. А стандартное отклонение показывает, насколько далеко от точки равновесия обычно стоят студенты.

От студентов на прямой к коду
np.mean(scores)⚖️ Точка равновесия: 84.0
np.median(scores)🧍 Студент в середине: 85.0
np.std(scores)↔️ Типичное расстояние от центра: 7.13
round(..., 2)✂️ Оставить два знака после запятой
Центр и разброс кратко описывают набор чисел.
Одним предложением

Среднее (арифметическое) - сумма, делённая на количество, медиана - значение, которое оказывается посередине после сортировки, а стандартное отклонение показывает, как далеко значения обычно лежат от среднего.

Главное

  1. np.mean(scores) складывает пять баллов и делит на 5: 84.0.
  2. np.median(scores) сортирует их и берёт тот, что посередине: 85.0.
  3. np.std(scores) измеряет разброс; round(..., 2) показывает 7.13.
  4. Один очень низкий балл потянул бы среднее вниз гораздо сильнее, чем медиану.

Когда это нужно?

  • Краткое описание баллов, цен, времени и измерений.
  • Поиск необычных значений, лежащих далеко от среднего.
  • Сравнение двух групп, например двух классов или двух товаров.

Когда это не нужно

  • Данные с сильными выбросами, например доходы: медиана описывает типичное значение лучше среднего.
  • Выборка из большей совокупности: используйте np.std(scores, ddof=1) для выборочного стандартного отклонения.

Пример кода

Запустить код →
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))
Получить кнопку запуска для этого примера

Результат выполнения

mean: 84.0
median: 85.0
std: 7.13

Разбор кода

Функции np.mean(), np.median() и np.std() по умолчанию считают по всему массиву. Средний балл класса 84.0, средний по порядку балл после сортировки 85.0, а стандартное отклонение около 7.13 означает, что баллы обычно отличаются от среднего примерно на 7 очков. Для многомерного массива можно передать параметр axis, чтобы считать по строкам или по столбцам.

Измените значения и запустите программу в онлайн-компиляторе Python CodeUtility без локальной установки Python.

Упражнения для практики

Попробуйте изменить код по подсказкам ниже. Если менять код и смотреть на результат, урок запомнится гораздо лучше, чем при простом чтении.

  1. Измените форму (shape) и тип данных (dtype) входного массива.
  2. Проверьте работу на отрицательных и дробных числах и пропущенных значениях.
  3. Примените ту же операцию к большему многомерному массиву и измерьте время.
Запустить в компиляторе Python →

Частые ошибки

Формула для совокупности вместо выборки

np.std по умолчанию делит на n; для выборки нужно n - 1.

Ошибка
np.std(sample)
Исправление
np.std(sample, ddof=1)

Закончили этот урок?

Отметьте его как изученный, чтобы следить за прогрессом.

Далее: Умножение матриц в NumPy →

Попрактикуйтесь на задаче

Примените материал этого урока к реальной задаче. Каждая задача запускается в браузере, с мгновенными тестами и разбором от ИИ.

Все задачи