Python에서 절사 평균을 계산하는 방법(예제 포함)
절사평균은 데이터 세트에서 가장 작은 값과 가장 큰 값의 특정 비율을 제거한 후 계산된 데이터 세트의 평균입니다.
Python에서 절사 평균을 계산하는 가장 쉬운 방법은 SciPy 라이브러리의 Trim_mean() 함수를 사용하는 것입니다.
이 함수는 다음 기본 구문을 사용합니다.
from scipy import stats #calculate 10% trimmed mean stats. trim_mean (data, 0.1 )
다음 예에서는 이 함수를 사용하여 실제로 절사 평균을 계산하는 방법을 보여줍니다.
예 1: 테이블의 절사 평균 계산
다음 코드는 데이터 테이블의 10% 절사 평균을 계산하는 방법을 보여줍니다.
from scipy import stats #define data data = [22, 25, 29, 11, 14, 18, 13, 13, 17, 11, 8, 8, 7, 12, 15, 6, 8, 7, 9, 12] #calculate 10% trimmed mean stats. trim_mean (data, 0.1 ) 12,375
10% 절사 평균은 12.375 입니다.
데이터세트에서 가장 작은 10%와 가장 큰 10%의 값을 제거한 후의 데이터세트의 평균입니다.
예 2: Pandas에서 열의 절사 평균 계산
다음 코드는 Pandas DataFrame의 특정 열에 대해 5% 잘린 평균을 계산하는 방법을 보여줍니다.
from scipy import stats import pandas as pd #define DataFrame df = pd. DataFrame ({' points ': [25, 12, 15, 14, 19, 23, 25, 29], ' assists ': [5, 7, 7, 9, 12, 9, 9, 4], ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]}) #calculate 5% trimmed mean of points stats. trim_mean (df. points , 0.05 ) 20.25
“포인트” 열에 있는 값의 5% 절사 평균은 20.25 입니다.
이는 가장 작은 값 5%와 가장 큰 값 5%를 제거한 후 “점” 열의 평균입니다.
예 3: 여러 열의 절사 평균 계산
다음 코드는 Pandas DataFrame의 여러 열에 대해 5% 잘린 평균을 계산하는 방법을 보여줍니다.
from scipy import stats import pandas as pd #define DataFrame df = pd. DataFrame ({' points ': [25, 12, 15, 14, 19, 23, 25, 29], ' assists ': [5, 7, 7, 9, 12, 9, 9, 4], ' rebounds ': [11, 8, 10, 6, 6, 5, 9, 12]}) #calculate 5% trimmed mean of 'points' and 'assists' columns stats. trim_mean (df[[' points ', ' assists ']], 0.05 ) array([20.25, 7.75])
결과에서 우리는 다음을 볼 수 있습니다:
- ‘포인트’ 열의 5% 잘린 평균은 20.25 입니다.
- “지원” 열의 5% 잘린 평균은 7.75 입니다.
참고 : 여기에서 Trim_mean() 함수에 대한 전체 문서를 찾을 수 있습니다.
추가 리소스
절사 평균을 수동으로 계산하는 방법
절사 평균 계산기