ການເລີ່ມຕົ້ນການຮຽນສິ່ງປະຕິບັດການສະຫຼາກຫຼືສະຫຼາກຫຼາຍສອງ

ການຈັດກະຈາຍຄວາມສະເຫມີດ, ກາງຫນັງກາງຫນັງຄະນະນະພາບ, ແລະຄວາມສະເຫມີດ

ພວກເຮົາສາມາດບັນລາຍສິ່ງທີ່ພວກເຮົາສາມາດບັນລາຍຈາກການສະເຫມີດຈາກການຈັດກະຈາຍບາງກັນຂອງພວກເຮົາຫນັງກາງຫນັງຄະນະນະພາບ:

ໃນການສຶກສາຄວາມຮູ້ຈັກຄວາມສະເຫມີດ (ແລະທາງການສະມາດ) ພວກເຮົາຈິ່ງມີສາມຄວາມສະເຫມີດທີ່ພວກເຮົາຈິ່ງສົນໃຈ:

  • ຄວາມສະເຫມີດ (Mean) - ຄວາມສະເຫມີດສະເຫມີດ
  • ກາງຫນັງກາງຫນັງຄະນະນະພາບ (Median) - ກາງຫນັງກາງຫນັງຄະນະນະພາບ, ບອກວ່າກາງຫນັງກາງຫນັງຄະນະນະພາບ
  • ຄວາມສະເຫມີດ (Mode) - ຄວາມສະເຫມີດທີ່ເກີດຫລາຍທີ່ສຸດ

ຕົວຢ່າງ: ພວກເຮົາໄດ້ບັນທຶກຄວາມໄວຂອງລົດ 13 ຄັນ:

speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]

ວ່າແມ່ນຫຍັງຄວາມສະເຫມີດສະເຫມີດ, ກາງຫນັງກາງຫນັງຄະນະນະພາບ, ຫລືຄວາມສະເຫມີດທີ່ເກີດຫລາຍທີ່ສຸດ?

ການຈັດກະຈາຍຄວາມສະເຫມີດ:

ການຈັດກະຈາຍຄວາມສະເຫມີດແມ່ນຄວາມສະເຫມີດສະເຫມີດສະເຫມີດ:

ກ່ອນທີ່ຈະຈັດການຈັດກະຈາຍຄວາມສະເຫມີດທັງໝົດ, ຈະຄົ້ນຫາຄວາມສະເຫມີດທັງໝົດ, ແລະຫຼັງຈາກນັ້ນຈະແບ່ງຄວາມສະເຫມີດຕາມຈຳນວນຄວາມສະເຫມີດ:

(99+86+87+88+111+86+103+87+94+78+77+85+86) / 13 = 89.77

ສະມາຊິກ NumPy ມີວິທີການສຳລັບບັນຫານີ້:

ການພິຈາລະນາ

ຂ້ອຍເບິ່ງຂຶ້ນ NumPy mean() ວິທີການການຈັດກະຈາຍຄວາມໄວສະເຫມີດ:

import numpy
speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
x = numpy.mean(speed)
print(x)

ການດຳເນີນຄວາມຈຳນວນ

ການຈັດກະຈາຍຕາມການຈັດກະຈາຍບາງກັນຫນັງກາງຫນັງຄະນະນະພາບ:

ການຈັດກະຈາຍຕາມການຈັດກະຈາຍບາງກັນຫນັງກາງຫນັງຄະນະນະພາບຫນັງກາງຫນັງຄະນະນະພາບ:

77, 78, 85, 86, 86, 86, 87, 87, 88, 94, 99, 103, 111

ກ່ອນທີ່ຈະຫາການການກະຈາຍຕາມການຈັດກະຈາຍບາງກັນກ່ວາຫນັງຄະນະນະພາບຫນັງກາງຫນັງຄະນະນະພາບ:

ສະມາຊິກ NumPy ມີວິທີການສຳລັບບັນຫານີ້:

ການພິຈາລະນາ

ຂ້ອຍເບິ່ງຂຶ້ນ NumPy median() ກົນລະຍຸດຄົ້ນຫາຈຳນວນຕົວກາງ:

import numpy
speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
x = numpy.median(speed)
print(x)

ການດຳເນີນຄວາມຈຳນວນ

ຖ້າມີເປັນສອງເຄື່ອງຢູ່ກາງ, ຂ້ອຍແລະການແປງຈຳນວນສອງເຄື່ອງຈົນກັບ 2.

, 77, 78, 85, 86, 86, 86, 87, 87, 94, 98, 99, 103
(86 + 87) / 2 = 86.5

ການພິຈາລະນາ

ນຳໃຊ້ຕົວແທນ NumPy:

import numpy
speed = [99,86,87,88,86,103,87,94,78,77,85,86]
x = numpy.median(speed)
print(x)

ການດຳເນີນຄວາມຈຳນວນ

ຈຳນວນທີ່ສວຍ

ຈຳນວນທີ່ສວຍແມ່ນຈຳນວນທີ່ສວຍຈາກ

99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86 = 86

ຕົວແທນ SciPy ມີກົນລະຍຸດທີ່ເພື່ອເປັນເປົ້າໝາຍນີ້:

ການພິຈາລະນາ

ຂ້ອຍເບິ່ງຂຶ້ນ SciPy mode() ກົນລະຍຸດຄົ້ນຫາເປັນຈຳນວນທີ່ສວຍຈາກ

from scipy import stats
speed = [99,86,87,88,111,86,103,87,94,78,77,85,86]
x = stats.mode(speed)
print(x)

ການດຳເນີນຄວາມຈຳນວນ

ຄວາມລວມການກ່ອນຫນຶ່ງ

ຈຸດພິຈາລະນາ, ຄວາມຈິງຕົວ ແລະ ຄວາມຈິງຕົວສຽງແມ່ນເຕັກນິກທີ່ນຳໃຊ້ຫຼາຍໃນການຮຽນຮູ້ມີປະກອບ, ດັ່ງນັ້ນການຮຽນຮູ້ຄວາມຄິດຫຼັງການພົບລັງສັບສັດນີ້ແມ່ນສິ່ງທີ່ສຳຄັນ.