{"id":2155,"date":"2023-07-23T11:19:27","date_gmt":"2023-07-23T11:19:27","guid":{"rendered":"https:\/\/statorials.org\/de\/mittlere-grosse-in-python\/"},"modified":"2023-07-23T11:19:27","modified_gmt":"2023-07-23T11:19:27","slug":"mittlere-grosse-in-python","status":"publish","type":"post","link":"https:\/\/statorials.org\/de\/mittlere-grosse-in-python\/","title":{"rendered":"So berechnen sie einen getrimmten mittelwert in python (mit beispielen)"},"content":{"rendered":"

<\/p>\n

\n

Ein getrimmter Mittelwert<\/strong> ist der Durchschnitt eines Datensatzes, der nach Entfernen eines bestimmten Prozentsatzes der kleinsten und gr\u00f6\u00dften Werte im Datensatz berechnet wurde.<\/span><\/p>\n

Der einfachste Weg, einen getrimmten Mittelwert in Python zu berechnen, ist die Verwendung der Funktion trim_mean()<\/strong> aus der SciPy-Bibliothek.<\/span><\/p>\n

Diese Funktion verwendet die folgende grundlegende Syntax:<\/span><\/p>\n

 from<\/span> scipy import<\/span> stats\n\n#calculate 10% trimmed mean\n<\/span>stats. trim_mean<\/span> (data, 0.1<\/span> )\n<\/strong><\/pre>\n
 Die folgenden Beispiele zeigen, wie Sie diese Funktion zur Berechnung eines getrimmten Durchschnitts in der Praxis verwenden.<\/span><\/p>\n
 Beispiel 1: Berechnen Sie den getrimmten Mittelwert der Tabelle<\/strong><\/span><\/h3>\n
 Der folgende Code zeigt, wie ein um 10 % getrimmter Mittelwert f\u00fcr eine Datentabelle berechnet wird:<\/span><\/p>\n
 from<\/span> scipy import<\/span> stats\n\n#define data\n<\/span>data = [22, 25, 29, 11, 14, 18, 13, 13, 17, 11, 8, 8, 7, 12, 15, 6, 8, 7, 9, 12]\n\n#calculate 10% trimmed mean<\/span>\nstats. trim_mean<\/span> (data, 0.1<\/span> )\n\n12,375\n<\/strong><\/pre>\n
 Der auf 10 % getrimmte Mittelwert betr\u00e4gt 12,375<\/strong> .<\/span><\/p>\n
 Dies ist der Durchschnitt des Datensatzes, nachdem die kleinsten 10 % und die gr\u00f6\u00dften 10 % der Werte aus dem Datensatz entfernt wurden.<\/span><\/p>\n
 Beispiel 2: Berechnen Sie den getrimmten Mittelwert der Spalte in Pandas<\/strong><\/span><\/h3>\n
 Der folgende Code zeigt, wie ein um 5 % gek\u00fcrzter Durchschnitt f\u00fcr eine bestimmte Spalte in einem Pandas-DataFrame berechnet wird:<\/span><\/p>\n
 from<\/span> scipy import<\/span> stats\nimport<\/span> pandas as<\/span> pd\n\n#define DataFrame\n<\/span>df = pd. DataFrame<\/span> ({' points<\/span> ': [25, 12, 15, 14, 19, 23, 25, 29],\n                   ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4],\n                   ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12]})\n\n\n#calculate 5% trimmed mean of points<\/span>\nstats. trim_mean<\/span> (df. points<\/span> , 0.05<\/span> ) \n\n20.25<\/strong><\/pre>\n
 Der um 5 % gek\u00fcrzte Durchschnitt der Werte in der Spalte \u201ePunkte\u201c betr\u00e4gt 20,25<\/strong> .<\/span><\/p>\n
 Dies ist der Durchschnitt der Spalte \u201ePunkte\u201c nach Entfernung der 5 % kleinsten und 5 % gr\u00f6\u00dften Werte.<\/span><\/p>\n
 Beispiel 3: Berechnen Sie den getrimmten Mittelwert mehrerer Spalten<\/strong><\/span><\/h3>\n
 Der folgende Code zeigt, wie ein um 5 % gek\u00fcrzter Durchschnitt f\u00fcr mehrere Spalten in einem Pandas-DataFrame berechnet wird:<\/span><\/p>\n
 from<\/span> scipy import<\/span> stats\nimport<\/span> pandas as<\/span> pd\n\n#define DataFrame\n<\/span>df = pd. DataFrame<\/span> ({' points<\/span> ': [25, 12, 15, 14, 19, 23, 25, 29],\n                   ' assists<\/span> ': [5, 7, 7, 9, 12, 9, 9, 4],\n                   ' rebounds<\/span> ': [11, 8, 10, 6, 6, 5, 9, 12]})\n\n\n#calculate 5% trimmed mean of 'points' and 'assists' columns<\/span>\nstats. trim_mean<\/span> (df[[' points<\/span> ', ' assists<\/span> ']], 0.05<\/span> )\n\narray([20.25, 7.75])\n<\/strong><\/pre>\n
 Aus dem Ergebnis k\u00f6nnen wir sehen:<\/span><\/p>\n