Python 平均數(shù)函數(shù)是一種用于計(jì)算一組數(shù)據(jù)平均值的函數(shù)。在 Python 中，我們可以使用內(nèi)置的 statistics 模塊中的 mean() 函數(shù)來計(jì)算平均值。該函數(shù)接受一個(gè)列表作為參數(shù)，返回這個(gè)列表中所有元素的平均值。下面是一個(gè)簡(jiǎn)單的例子：

_x000D_

`python

_x000D_

import statistics

_x000D_

data = [1, 2, 3, 4, 5]

_x000D_

average = statistics.mean(data)

_x000D_

print("平均值為：", average)

_x000D_ _x000D_

輸出結(jié)果為：

_x000D_ _x000D_

平均值為： 3

_x000D_ _x000D_

在上面的例子中，我們首先導(dǎo)入了 statistics 模塊，然后定義了一個(gè)包含 5 個(gè)元素的列表 data。接著，我們使用 mean() 函數(shù)計(jì)算了這個(gè)列表的平均值，并將結(jié)果賦值給變量 average。我們使用 print() 函數(shù)輸出了平均值。

_x000D_

Python 平均數(shù)函數(shù)的相關(guān)問答

_x000D_

Q1. 什么是平均數(shù)？

_x000D_

平均數(shù)是一組數(shù)據(jù)中所有數(shù)值的總和除以該組數(shù)據(jù)中數(shù)值的個(gè)數(shù)。

_x000D_

Q2. 平均數(shù)有什么作用？

_x000D_

平均數(shù)可以幫助我們了解一組數(shù)據(jù)的中心趨勢(shì)。如果一個(gè)數(shù)據(jù)集的平均數(shù)比較高，說明這個(gè)數(shù)據(jù)集中的大部分值都比較大；反之，如果平均數(shù)比較低，說明這個(gè)數(shù)據(jù)集中的大部分值都比較小。

_x000D_

Q3. Python 中如何計(jì)算一組數(shù)據(jù)的中位數(shù)？

_x000D_

在 Python 中，我們可以使用 statistics 模塊中的 median() 函數(shù)來計(jì)算一組數(shù)據(jù)的中位數(shù)。該函數(shù)接受一個(gè)列表作為參數(shù)，返回這個(gè)列表中所有元素的中位數(shù)。

_x000D_

下面是一個(gè)例子：

_x000D_

`python

_x000D_

import statistics

_x000D_

data = [1, 2, 3, 4, 5]

_x000D_

median = statistics.median(data)

_x000D_

print("中位數(shù)為：", median)

_x000D_ _x000D_

輸出結(jié)果為：

_x000D_ _x000D_

中位數(shù)為： 3

_x000D_ _x000D_

Q4. Python 中如何計(jì)算一組數(shù)據(jù)的眾數(shù)？

_x000D_

在 Python 中，我們可以使用 statistics 模塊中的 mode() 函數(shù)來計(jì)算一組數(shù)據(jù)的眾數(shù)。該函數(shù)接受一個(gè)列表作為參數(shù)，返回這個(gè)列表中出現(xiàn)次數(shù)最多的元素。

_x000D_

下面是一個(gè)例子：

_x000D_

`python

_x000D_

import statistics

_x000D_

data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5]

_x000D_

mode = statistics.mode(data)

_x000D_

print("眾數(shù)為：", mode)

_x000D_ _x000D_

輸出結(jié)果為：

_x000D_ _x000D_

眾數(shù)為： 4

_x000D_ _x000D_

Q5. 如何處理包含缺失值的數(shù)據(jù)？

_x000D_

如果一組數(shù)據(jù)中包含缺失值，我們可以使用 statistics 模塊中的 mean()、median() 和 mode() 函數(shù)來計(jì)算平均值、中位數(shù)和眾數(shù)。這些函數(shù)會(huì)自動(dòng)忽略缺失值。

_x000D_

如果你想自己處理缺失值，可以使用 Python 中的 NaN（Not a Number）來表示缺失值。例如：

_x000D_

`python

_x000D_

import numpy as np

_x000D_

data = [1, 2, 3, np.nan, 5]

_x000D_

average = np.nanmean(data)

_x000D_

print("平均值為：", average)

_x000D_ _x000D_

輸出結(jié)果為：

_x000D_ _x000D_

平均值為： 2.75

_x000D_ _x000D_

在上面的例子中，我們使用 numpy 模塊中的 nanmean() 函數(shù)來計(jì)算包含缺失值的數(shù)據(jù)的平均值。這個(gè)函數(shù)會(huì)自動(dòng)忽略缺失值，并返回非缺失值的平均值。

_x000D_