Python之数据分析（算数平均值、加权平均值、最大值与最小值）

﹏ヽ暗。殇╰゛Y 2023-02-26 13:26 21阅读 0赞

### 文章目录 ###

*   *   *  一、算数平均值
         *  二、加权平均值
         *  三、最大值与最小值

### 一、算数平均值 ###

**1、平均值的作用**  
平均数是表示一组数据集中趋势的量数,它是反映数据集中趋势的一项指标。一组数据少则几十，多则上千，甚至于过百万，“由于我们的思维不能思考所有的数据”，需要选取一个合适的代表值表达一组数据的特征。平均数便是小学阶段学习的一个重要的统计量。

**2、算数平均值求法**

*  样本：S = \[s1, s2, s3, …, sn\]
 *  算术平均值：m = (s1 + s2 + s3 + … + sn)/n

**3、Numpy中的格式**  
m = numpy.mean(样本数组)

**4、练习代码**

import numpy as np
    
    # 解包取出收盘价
    closing_prices = np.loadtxt(
        '0=数据源/beer_price.csv', delimiter=',',
        usecols=(4), unpack=True,
    )
    
    # 手动计算平均值
    mean1 = 0
    for closing_price in closing_prices:
        mean1 += closing_price
    mean1 /= closing_prices.size  # 除个数
    print(mean1)
    
    # numpy的mean来计算
    mean2 = np.mean(closing_prices)
    print(mean2)

![11][]

### 二、加权平均值 ###

**1、引入**

*  求平均值的每个样本数据，可能具有不同的重要程度，有些极端值重要程度显然就很低，就这样每个样本数据的重要程度就表示它的权重
 *  普通的算术平均数的权重相等，都是1，（比如，3和5的平均数为4）也就是说它们的重要性相同，所以平均数是特殊的加权平均数
 *  权重的大小表示在计算中的重要程度，加权平均值就是根据权重进行计算，再求平均值

**2、加权平均值求法**  
样本：S = \[s1, s2, s3, …, sn\]  
权重：W = \[w1, w2, w3, …, wn\]  
加权平均值：a = (s1w1 + s2w2 + s3w3 + … + snwn)/(w1 + w2 + w3 + … + wn)

**3、Numpy中的格式**  
numpy.average(样本数组, weights=权重数组)

**4、案例一：成交量加权平均值**

import numpy as np
    
    # 解包取出收盘价
    closing_prices, volumes = np.loadtxt(
        '0=数据源/beer_price.csv', delimiter=',',
        usecols=(4, 5), unpack=True,
    )
    
    # 手动加权平均值
    vwap1, vsum = 0, 0
    for closing_price, volume in zip(closing_prices, volumes):
        vwap1 += closing_price * volume
        vsum += volume
    vwap1 /= vsum  # 除权重的和
    print(vwap1)
    
    # numpy的average来计算加权平均值
    vwap2 = np.average(closing_prices, weights=volumes)
    print(vwap2)

![22][]

**5、案例二：成交量加权平均值**

import numpy as np
    import datetime as dt
    
    # 将日期转换成天数
    def dmy2days(dmy):
        dmy = str(dmy, encoding='utf-8')
        date = dt.datetime.strptime(dmy, '%d-%m-%Y').date()
        days = (date - dt.date.min).days  # 将日期差变化成以day为单位
        return days
    
    # 解包取出日期、收盘价
    days, closing_prices = np.loadtxt(
        '0=数据源/beer_price.csv', delimiter=',',
        usecols=(0, 4), unpack=True,
        converters={ 0:dmy2days}
    )
    
    
    # 手动加权平均值
    twap1, tsum = 0, 0
    for closing_price, day in zip(closing_prices, days):
        twap1 += closing_price * day
        tsum += day
    twap1 /= tsum  # 除权重的和
    print(twap1)
    
    # numpy的average来计算加权平均值
    twap2 = np.average(closing_prices, weights=days)
    print(twap2)

![33][]

### 三、最大值与最小值 ###

**1、最大值、最小值**  
max：获取一个数组中最大元素  
min：获取一个数组中最小元素

**2、比较出最值数组**  
maximum：在两个数组的对应元素之间构造最大值数组  
minimum：在两个数组的对应元素之间构造最小值数组

例：numpy.maximum(a, b)：在a数组与b数组中的各个元素对应比较，每次取出较大的那个数构成一个新数组

**3、练习代码**

import numpy as np
    
    # 最大值最小值
    a = np.random.randint(10, 100, 9).reshape(3, 3)
    print(a)
    # print('最大值：', np.max(a), a.max()) # 最大值
    # print('最小值：', np.min(a), a.min()) # 最小值
    # print('最大值索引：', np.argmax(a), a.argmax()) # 数组扁平为一维后的最大值索引
    
    # maximum最大值，minimum最小值
    b = np.random.randint(10, 100, 9).reshape(3, 3)
    print(b)
    print('构造最大值数组：\n', np.maximum(a, b))
    print('构造最小值数组：\n', np.minimum(a, b))

[11]: /images/20230209/c0fd12f9d6fb4bf2a404d3162aa939dd.png
[22]: https://img-blog.csdnimg.cn/2020071521590512.png
[33]: https://img-blog.csdnimg.cn/20200715220102764.png