Python -Tutorial

Python-HOME Python-Einführung Python-Erste Schritte Python-Syntax Python-Kommentare Python-Variablen Python-Datentypen Python-Zahlen Python-Casting Python-Strings Python-Booleans Python-Operatoren Python-Listen Python-Tupel Python-Sets Python-Wörterbücher Python Wenn ... Sonst Python-While-Schleifen Python-For-Schleifen Python-Funktionen Python-Lambda Python-Arrays Python-Klassen/Objekte Python-Vererbung Python-Iteratoren Python-Bereich Python-Module Python-Daten Python-Mathematik Python-JSON Python-RegEx Python-PIP Python Versuchen ... Außer Python-Benutzereingabe Formatierung von Python-Strings

Umgang mit Dateien

Umgang mit Python-Dateien Python-Dateien lesen Python-Dateien schreiben/erstellen Python-Dateien löschen

Python-Module

NumPy-Tutorial Panda-Komplettlösung Scipy-Tutorial

Python-Matplotlib

Matplotlib-Einführung Matplotlib loslegen Matplotlib-Pyplot Matplotlib-Plotten Matplotlib-Marker Matplotlib-Linie Matplotlib-Labels Matplotlib-Raster Matplotlib-Subplots Matplotlib-Scatter Matplotlib-Bars Matplotlib-Histogramme Matplotlib-Kreisdiagramme

Maschinelles Lernen

Einstieg Mittlerer Medianmodus Standardabweichung Perzentil Datenverteilung Normale Datenverteilung Streudiagramm Lineare Regression Polynomiale Regression Mehrfache Regression Skala Trainieren/Testen Entscheidungsbaum

Python-MySQL

MySQL-erste Schritte MySQL-Datenbank erstellen MySQL-Tabelle erstellen MySQL-Einfügung MySQL-Auswahl MySQL-Wo MySQL-Reihenfolge nach MySQL löschen MySQL-Drop-Tabelle MySQL-Update MySQL-Limit MySQL-Beitritt

Python-MongoDB

Beginnen Sie mit MongoDB MongoDB Datenbank erstellen MongoDB-Create-Sammlung MongoDB-Einfügung MongoDB-Suche MongoDB-Abfrage MongoDB-Sortierung MongoDB löschen MongoDB-Drop-Sammlung MongoDB-Update MongoDB-Limit

Python-Referenz

Python-Übersicht Eingebaute Python-Funktionen Python-String-Methoden Python-Listenmethoden Methoden des Python-Wörterbuchs Python-Tupelmethoden Python-Set-Methoden Python-Dateimethoden Python-Schlüsselwörter Python-Ausnahmen Python-Glossar

Modulreferenz

Zufallsmodul Anforderungsmodul Statistikmodul Mathe-Modul cMath-Modul

Python-Anleitung

Listenduplikate entfernen Einen String umkehren Fügen Sie zwei Zahlen hinzu

Python-Beispiele

Python-Beispiele Python-Compiler Python-Übungen Python-Quiz Python-Zertifikat

Python- Statistics.median_grouped()- Methode

❮ Statistische Methoden


Beispiel

Berechnen Sie den Median von gruppierten kontinuierlichen Daten:

# Import statistics Library
import statistics

# Calculate the median of grouped continuous data
print(statistics.median_grouped([1, 2, 3, 4]))
print(statistics.median_grouped([1, 2, 3, 4, 5]))
print(statistics.median_grouped([1, 2, 3, 4], 2))
print(statistics.median_grouped([1, 2, 3, 4], 3))
print(statistics.median_grouped([1, 2, 3, 4], 5))

Definition und Verwendung

Die statistics.median_grouped()Methode berechnet den Median von gruppierten kontinuierlichen Daten, berechnet als 50. Perzentil.

Diese Methode behandelt die Datenpunkte als kontinuierliche Daten und berechnet den Median des 50 %-Perzentils, indem zuerst der Medianbereich unter Verwendung der angegebenen Intervallbreite (Standardwert ist 1) ermittelt wird und dann innerhalb dieses Bereichs unter Verwendung der Position der fallenden Werte aus dem Datensatz interpoliert wird in diesem Bereich.

Tipp: Die mathematische Formel für Grouped Median lautet: GMedian = L + Intervall * (N / 2 - CF) / F.

  • L = Die Untergrenze des Medianintervalls
  • Intervall = Die Intervallbreite
  • N = Die Gesamtzahl der Datenpunkte
  • CF = Die Anzahl der Datenpunkte unterhalb des Medianintervalls
  • F = Die Anzahl der Datenpunkte im Medianintervall

Syntax

statistics.median_grouped(data, interval)

Parameterwerte

Parameter Description
data Required. The data values to be used (can be any sequence, list or iterator)
interval Optional. The class interval. Default value is 1

Hinweis: Wenn die Daten leer sind, wird ein StatisticsError zurückgegeben.

Technische Details

Rückgabewert: Ein floatWert, der den Median von gruppierten kontinuierlichen Daten darstellt, berechnet als 50. Perzentil
Python-Version: 3.4

❮ Statistische Methoden