Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment calculer la moyenne géométrique en Python (avec exemples)



Il existe deux façons de calculer la moyenne géométrique en Python :

Méthode 1 : calculer la moyenne géométrique à l’aide de SciPy

from scipy.stats import gmean

#calculate geometric mean
gmean([value1, value2, value3, ...])

Méthode 2 : calculer la moyenne géométrique à l’aide de NumPy

import numpy as np

#define custom function
def g_mean(x):
    a = np.log(x)
    return np.exp(a.mean())

#calculate geometric mean 
g_mean([value1, value2, value3, ...])

Les deux méthodes renverront exactement les mêmes résultats.

Les exemples suivants montrent comment utiliser chacune de ces méthodes dans la pratique.

Exemple 1 : calculer la moyenne géométrique à l’aide de SciPy

Le code suivant montre comment utiliser la fonction gmean() de la bibliothèque SciPy pour calculer la moyenne géométrique d’un tableau de valeurs :

from scipy.stats import gmean

#calculate geometric mean
gmean([1, 4, 7, 6, 6, 4, 8, 9])

4.81788719702029

La moyenne géométrique s’avère être 4,8179 .

Exemple 2 : calculer la moyenne géométrique à l’aide de NumPy

Le code suivant montre comment écrire une fonction personnalisée pour calculer une moyenne géométrique à l’aide des fonctions intégrées de la bibliothèque NumPy :

import numpy as np

#define custom function
def g_mean(x):
    a = np.log(x)
    return np.exp(a.mean())

#calculate geometric mean
g_mean([1, 4, 7, 6, 6, 4, 8, 9])

4.81788719702029

La moyenne géométrique s’avère être 4,8179 , ce qui correspond au résultat de l’exemple précédent.

Comment gérer les zéros

Notez que les deux méthodes renverront un zéro s’il y a des zéros dans le tableau avec lequel vous travaillez.

Ainsi, vous pouvez utiliser le morceau de code suivant pour supprimer les zéros d’un tableau avant de calculer la moyenne géométrique :

#create array with some zeros
x = [1, 0, 0, 6, 6, 0, 8, 9]

#remove zeros from array 
x_new = [i for i in x if i != 0]

#view updated array
print(x_new)

[1, 6, 6, 8, 9]

Ressources additionnelles

Comment calculer l’erreur quadratique moyenne (MSE) en Python
Comment calculer l’erreur absolue moyenne en Python

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *