{"id":2157,"date":"2023-07-23T11:19:27","date_gmt":"2023-07-23T11:19:27","guid":{"rendered":"https:\/\/statorials.org\/it\/taglia-media-in-pitone\/"},"modified":"2023-07-23T11:19:27","modified_gmt":"2023-07-23T11:19:27","slug":"taglia-media-in-pitone","status":"publish","type":"post","link":"https:\/\/statorials.org\/it\/taglia-media-in-pitone\/","title":{"rendered":"Come calcolare una media troncata in python (con esempi)"},"content":{"rendered":"

<\/p>\n

\n

Una media troncata<\/strong> \u00e8 la media di un set di dati che \u00e8 stata calcolata dopo aver rimosso una percentuale specifica dei valori pi\u00f9 piccoli e pi\u00f9 grandi nel set di dati.<\/span><\/p>\n

Il modo pi\u00f9 semplice per calcolare una media troncata in Python \u00e8 utilizzare la funzione trim_mean()<\/strong> dalla libreria SciPy.<\/span><\/p>\n

Questa funzione utilizza la seguente sintassi di base:<\/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
 Gli esempi seguenti mostrano come utilizzare nella pratica questa funzione per calcolare una media troncata.<\/span><\/p>\n
 Esempio 1: calcolare la media troncata della tabella<\/strong><\/span><\/h3>\n
 Il codice seguente mostra come calcolare una media troncata del 10% per una tabella dati:<\/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
 La media troncata al 10% \u00e8 12.375<\/strong> .<\/span><\/p>\n
 Questa \u00e8 la media del set di dati dopo che il 10% pi\u00f9 piccolo e il 10% pi\u00f9 grande dei valori sono stati rimossi dal set di dati.<\/span><\/p>\n
 Esempio 2: calcolare la media troncata della colonna nei panda<\/strong><\/span><\/h3>\n
 Il codice seguente mostra come calcolare una media troncata del 5% per una colonna specifica in un DataFrame panda:<\/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
 La media troncata al 5% dei valori nella colonna \u201cpunti\u201d \u00e8 20,25<\/strong> .<\/span><\/p>\n
 Questa \u00e8 la media della colonna “punti” dopo aver rimosso i valori 5% pi\u00f9 piccoli e 5% pi\u00f9 grandi.<\/span><\/p>\n
 Esempio 3: calcolare la media troncata di pi\u00f9 colonne<\/strong><\/span><\/h3>\n
 Il codice seguente mostra come calcolare una media troncata del 5% per pi\u00f9 colonne in un DataFrame panda:<\/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
 Dal risultato possiamo vedere:<\/span><\/p>\n