รัน NumPy ออนไลน์

ค่าเฉลี่ย มัธยฐาน และส่วนเบี่ยงเบนมาตรฐานด้วย NumPy

ในบทเรียนนี้ คุณจะคำนวณสถิติเชิงพรรณนาพื้นฐานด้วย NumPy ได้แก่ ค่าเฉลี่ย มัธยฐาน และส่วนเบี่ยงเบนมาตรฐาน

  • ระดับกลาง
  • อ่าน 2 นาที
  • ตัวอย่างที่รันได้ 1 ตัวอย่าง

บทนำ

ปัญหาที่ต้องแก้

ลิสต์คะแนน 100 ค่าอ่านแล้วดูไม่ออก เราอยากได้คำตอบเร็ว ๆ สองข้อ: คะแนนส่วนใหญ่อยู่ราว ๆ เท่าไร และคะแนนกระจายกว้างแค่ไหน ค่าเฉลี่ย มัธยฐาน และส่วนเบี่ยงเบนมาตรฐาน ตอบคำถามเหล่านี้ได้พอดี

ลองนึกภาพแบบนี้

ลองนึกภาพนักเรียนยืนเรียงบนเส้นจำนวนตามคะแนนของตัวเอง ค่าเฉลี่ยคือจุดที่เส้นสมดุลพอดี มัธยฐานคือนักเรียนที่ยืนอยู่ตรงกลางแถว ส่วนส่วนเบี่ยงเบนมาตรฐานบอกว่าโดยทั่วไปนักเรียนยืนห่างจากจุดสมดุลแค่ไหน

จากนักเรียนบนเส้นจำนวนสู่โค้ด
np.mean(scores)⚖️ จุดสมดุล: 84.0
np.median(scores)🧍 นักเรียนที่อยู่ตรงกลาง: 85.0
np.std(scores)↔️ ระยะห่างโดยทั่วไปจากจุดสมดุล: 7.13
round(..., 2)✂️ ปัดเหลือทศนิยมสองตำแหน่ง
ค่ากลางกับการกระจายช่วยสรุปตัวเลขทั้งชุด
สรุปในประโยคเดียว

ค่าเฉลี่ยคือผลรวมหารด้วยจำนวนค่า มัธยฐานคือค่าที่อยู่ตรงกลางหลังเรียงลำดับ และส่วนเบี่ยงเบนมาตรฐานวัดว่าโดยทั่วไปค่าต่าง ๆ อยู่ห่างจากค่าเฉลี่ยแค่ไหน

ประเด็นสำคัญ

  1. np.mean(scores) บวกคะแนนห้าค่าแล้วหารด้วย 5: 84.0
  2. np.median(scores) เรียงคะแนนแล้วหยิบค่าตรงกลาง: 85.0
  3. np.std(scores) วัดการกระจาย และ round(..., 2) ปัดให้แสดงเป็น 7.13
  4. ถ้ามีคะแนนต่ำมากสักค่า ค่าเฉลี่ยจะถูกดึงลงมากกว่ามัธยฐานมาก

ใช้เมื่อไร?

  • สรุปคะแนน ราคา เวลา และค่าที่วัดได้
  • หาค่าแปลก ๆ ที่อยู่ห่างจากค่าเฉลี่ยมาก
  • เปรียบเทียบสองกลุ่ม เช่น สองห้องเรียนหรือสองสินค้า

เมื่อไรยังไม่จำเป็น

  • ข้อมูลที่มี outlier (ค่าผิดปกติ) สุดขั้ว เช่น รายได้: มัธยฐานบอกค่าทั่วไปได้ดีกว่าค่าเฉลี่ย
  • ข้อมูลเป็นกลุ่มตัวอย่างจากประชากรที่ใหญ่กว่า: ใช้ np.std(scores, ddof=1) เพื่อหาส่วนเบี่ยงเบนมาตรฐานของกลุ่มตัวอย่าง

โค้ดตัวอย่าง

รันโค้ด →
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))
สร้างปุ่ม Run สำหรับตัวอย่างนี้

ผลลัพธ์จากการรัน

mean: 84.0
median: 85.0
std: 7.13

อธิบายโค้ด

ฟังก์ชัน np.mean(), np.median() และ np.std() คำนวณจากทั้งอาร์เรย์โดยปริยาย ค่าเฉลี่ยของห้องคือ 84.0 คะแนนตรงกลางหลังเรียงคือ 85.0 และส่วนเบี่ยงเบนมาตรฐานราว 7.13 หมายความว่าคะแนนมักห่างจากค่าเฉลี่ยประมาณ 7 คะแนน สำหรับอาร์เรย์หลายมิติ ส่งพารามิเตอร์ axis เพื่อคำนวณตามแถวหรือตามคอลัมน์ได้

เปลี่ยนค่าและรันโปรแกรมด้วย คอมไพเลอร์ Python ออนไลน์ของ CodeUtility โดยไม่ต้องติดตั้ง Python

แบบฝึกหัดเพิ่มเติม

ลองแก้โค้ดตามคำแนะนำด้านล่าง การเปลี่ยนโค้ดแล้วดูผลลัพธ์จะช่วยให้เข้าใจบทเรียนได้ดีกว่าการอ่านอย่างเดียวมาก

  1. เปลี่ยนรูปร่าง (shape) และชนิดข้อมูล (dtype) ของอาร์เรย์อินพุต
  2. ทดสอบกับเลขติดลบ ทศนิยม และค่าที่หายไป
  3. ใช้การคำนวณเดียวกันกับอาร์เรย์หลายมิติที่ใหญ่ขึ้นและจับเวลา
รันในคอมไพเลอร์ Python →

ข้อผิดพลาดที่พบบ่อย

ใช้สูตรของประชากรกับกลุ่มตัวอย่าง

โดยค่าเริ่มต้น np.std หารด้วย n แต่กลุ่มตัวอย่างต้องหารด้วย n - 1

ปัญหา
np.std(sample)
วิธีแก้
np.std(sample, ddof=1)

เรียนบทนี้จบแล้วใช่ไหม

ทำเครื่องหมายว่าเรียนแล้วเพื่อติดตามความคืบหน้า

ถัดไป: คูณเมทริกซ์ด้วย NumPy →

ฝึกด้วยโจทย์

ใช้สิ่งที่เรียนในบทนี้แก้ปัญหาจริง ทุกโจทย์รันในเบราว์เซอร์ พร้อมการทดสอบทันทีและรีวิวจาก AI

โจทย์ทั้งหมด