{"id":2157,"date":"2023-07-23T11:19:27","date_gmt":"2023-07-23T11:19:27","guid":{"rendered":"https:\/\/statorials.org\/id\/ukuran-sedang-dengan-python\/"},"modified":"2023-07-23T11:19:27","modified_gmt":"2023-07-23T11:19:27","slug":"ukuran-sedang-dengan-python","status":"publish","type":"post","link":"https:\/\/statorials.org\/id\/ukuran-sedang-dengan-python\/","title":{"rendered":"Cara menghitung rata-rata terpangkas dengan python (dengan contoh)"},"content":{"rendered":"

<\/p>\n

\n

Rata-rata yang dipangkas<\/strong> adalah rata-rata kumpulan data yang telah dihitung setelah menghilangkan persentase tertentu dari nilai terkecil dan terbesar dalam kumpulan data tersebut.<\/span><\/p>\n

Cara termudah untuk menghitung rata-rata yang dipangkas dengan Python adalah dengan menggunakan fungsi trim_mean()<\/strong> dari perpustakaan SciPy.<\/span><\/p>\n

Fungsi ini menggunakan sintaks dasar berikut:<\/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
 Contoh berikut menunjukkan cara menggunakan fungsi ini untuk menghitung rata-rata terpangkas dalam praktiknya.<\/span><\/p>\n
 Contoh 1: Hitung rata-rata terpangkas dari tabel<\/strong><\/span><\/h3>\n
 Kode berikut menunjukkan cara menghitung rata-rata terpangkas 10% untuk tabel data:<\/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
 Rata-rata yang dipangkas 10% adalah 12,375<\/strong> .<\/span><\/p>\n
 Ini adalah rata-rata kumpulan data setelah 10% nilai terkecil dan 10% terbesar dihilangkan dari kumpulan data.<\/span><\/p>\n
 Contoh 2: Hitung Rata-Rata Kolom yang Dipangkas di Pandas<\/strong><\/span><\/h3>\n
 Kode berikut menunjukkan cara menghitung rata-rata pemangkasan 5% untuk kolom tertentu di pandas DataFrame:<\/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
 Rata-rata nilai yang dipangkas 5% di kolom \u201cpoin\u201d adalah 20,25<\/strong> .<\/span><\/p>\n
 Ini adalah rata-rata kolom \u201cpoin\u201d setelah menghilangkan 5% nilai terkecil dan 5% terbesar.<\/span><\/p>\n
 Contoh 3: Hitung rata-rata terpangkas dari beberapa kolom<\/strong><\/span><\/h3>\n
 Kode berikut menunjukkan cara menghitung rata-rata pemangkasan 5% untuk beberapa kolom di pandas DataFrame:<\/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
 Dari hasilnya kita dapat melihat:<\/span><\/p>\n