本文转载自微信公众号「大数据DT」，作者保罗·戴特尔 。转载本文请联系大数据DT公众号。
本文我们将讨论如何使用描述性统计数据进行数据分析，包括：
- 均值——一组值的平均值;
- 中值——当所有值按顺序排列时的中间值;
- 众数——最常出现的值。
以上这些都是集中趋势度量，每种都会产生一个值来表示一组值中的“中心”值，或者说，在某种意义上是这组值中的典型值。
我们来计算一个整数列表的均值、中值和众数。下面的代码段创建一个名为grades的列表，然后使用内置的sum和len函数来“手动”计算平均值——sum计算grade的总和(397)，len计算grade的个数(5)：
- grades = [85, 93, 45, 89, 85]
- sum(grades) / len(grades)
与函数min和max(在《手把手教你用Python求最大值和最小值》一文中介绍)类似，sum和len都是函数式编程中约简的示例，它们会将值合集减少为单个值——值的总和与值的数量。
Python标准库的statistics模块提供了计算均值、中值和众数的函数，这些同样也是约简。要使用这些功能，首先需要导入statistics模块，如下：
- import statistics
然后，可以使用“statistics.”加上需要调用的函数名称来访问模块的功能。下面的代码使用statistics模块的mean、median和mode函数分别计算列表grades的均值(79.4)、中值(85)和众数(85)：
- statistics.mean(grades)
- statistics.median(grades)
- statistics.mode(grades)
其中，每个函数的参数都必须是可迭代的，在本例中为列表grades。要确认中值和众数是否正确，可以使用内置的sorted函数来得到列表grades按值的递增顺序排列的副本：
- sorted(grades)
结果：
- [45, 85, 85, 89, 93]
列表grades具有奇数个值(5)，因此median返回中间值(85)。如果列表包含偶数个值，则median会返回两个中间值的平均值。从排好序的列表可以看到85是众数，因为它出现的次数最多(两次)。类似于下面的列表会导致mode函数产生一个StatisticsError：
- [85, 93, 45, 89, 85, 93]
因为其中有两个或更多个“出现最多”的值。这样的一组值是双峰的，85和93都出现了两次。
关于作者：保罗·戴特尔，Deitel&Associates公司首席执行官兼首席技术官，毕业于麻省理工学院，拥有38年的计算经验。保罗是世界上最有经验的编程语言培训师之一，自1992年以来一直针对软件开发人员教授专业课程。他服务过的国际客户包括思科、IBM、西门子、Oracle、戴尔、富达、美国国家航空航天局肯尼迪航天中心等。
本文摘编自《Python程序设计：人工智能案例实践》，经出版方授权发布。
