Python中的模式|极客笔记

Python中的模式

统计模式简介

在统计学中，指在一组给定数据值中出现频率最高的值被称为模式。换句话说，出现频率高或重复出现的数字或值被称为模式或 模态值 。模式是三个 中央趋势 度量之一。其他两个度量分别是平均值和中位数。

例如 –

我们有一个 数据集A = {4, 5, 6, 6, 7, 8, 9} 。由于数字 6 的频率更高，因此 A的模式是6 。因此，对于有限数量的观察值，很容易找到模式。数据值集合可能具有一个模态值，多个模态值或根本没有模式。连续概率分布的模式通常被认为是值x。其概率密度函数具有 最大局部值 ，因此任何峰值都是模式。

Python中的mode()函数

在处理统计数据和处理一组大范围的数据值时，Python成为一种非常强大的编程语言。 Python提供了一个名为 statistics 模块的功能非常多的模块，其中之一是 mode() 函数。mode()函数用于返回所提供数据集范围中核心数据点的稳健度量。

mode() 函数是Python编程语言标准 statistics 库中仅适用于非数值（名义）数据的函数。

让我们看一下Python中mode函数的语法。

语法：

mode() 函数的语法如下所示:

statistics.mode(data)

Python中mode()函数的参数

mode()函数的参数是data。它可以是迭代或序列 – 例如，列表、元组和许多其他数据类型。

注意：如果data参数为空，mode()函数将引发StatisticsError。

Python中mode()函数的返回值

mode()函数将根据参数中提供的数据计算得出的模式返回浮点数或非数值（名义）值（例如，列表、元组和其他数据类型）。

让我们以Python编程语言的标准统计库中的mode()函数为基础，考虑一些示例。

示例1：找到以下数据集的模式：

# importing the statistics library
import statistics

# creating the data set
my_set = [10, 20, 30, 30, 40, 40, 40, 50, 50, 60]

# estimating the mode of the given set
my_mode = statistics.mode( my_set)

# printing the estimated mode to the users  
print("Mode of given set of data values is", my_mode)

输出：

Mode of given set of data values is 40

解释:

在上面的示例中，我们导入了 statistics 库，并创建了一个集合 my_set 。然后，我们使用 statistics.mode() 函数估计给定集合的众数，并将其值打印给用户。结果是，集合中频率最高的值被成功打印出来。

示例2: 在不同数据类型的变量上演示mode()函数的工作原理。

# importing the statistics library
import statistics
# importing the fractions module
from fractions import Fraction as fr

# creating the tuple of positive integer numbers
data_1 = (20, 30, 30, 40, 50, 50, 50, 60, 70, 70)

# creating the tuple of floating point values
data_2 = (1.2, 2.3, 2.3, 3.4, 4.5, 4.5, 4.5, 5.6, 5.6, 7.8)

# creating the tuple of fractional numbers
data_3 = (fr(1,3), fr(1,5), fr(1,5), fr(2,3), fr(3,4), fr(8,9))

# creating the tuple of negative integer numbers
data_4 = (-9, -8, -7, -7, -7, -6, -5, -5, -4, -2)

# creating the tuple of strings
data_5 = ("apple", "mango", "mango", "mango", "banana", "guava", "guava")

# estimating the mode of the given datasets
mode_1 = statistics.mode( data_1)
mode_2 = statistics.mode( data_2)
mode_3 = statistics.mode( data_3)
mode_4 = statistics.mode( data_4)
mode_5 = statistics.mode( data_5)

# printing the estimated modes to the users  
print("1. Mode of First Data set is", mode_1)
print("2. Mode of Second Data set is", mode_2)
print("3. Mode of Third Data set is", mode_3)
print("4. Mode of Forth Data set is", mode_4)
print("5. Mode of Fifth Data set is", mode_5)

输出:

1. Mode of First Data set is 50
2. Mode of Second Data set is 4.5
3. Mode of Third Data set is 1/5
4. Mode of Forth Data set is -7
5. Mode of Fifth Data set is mango

解释:

在上面的示例中，我们导入了statistics库和fractions模块。然后，我们创建了一系列不同类型的元组来检查mode()函数在各种数据类型上的工作情况。我们创建了一个包含正整数、浮点数、分数、负整数和字符串的元组。然后，我们使用statistics.mode()函数来计算每个数据集的众数。然后，我们将这些估计值打印给用户。