{"id":2157,"date":"2023-07-23T11:19:27","date_gmt":"2023-07-23T11:19:27","guid":{"rendered":"https:\/\/statorials.org\/nl\/middelgroot-in-python\/"},"modified":"2023-07-23T11:19:27","modified_gmt":"2023-07-23T11:19:27","slug":"middelgroot-in-python","status":"publish","type":"post","link":"https:\/\/statorials.org\/nl\/middelgroot-in-python\/","title":{"rendered":"Hoe u een getrimd gemiddelde in python kunt berekenen (met voorbeelden)"},"content":{"rendered":"

<\/p>\n

\n

Een getrimd gemiddelde<\/strong> is het gemiddelde van een dataset dat is berekend na het verwijderen van een specifiek percentage van de kleinste en grootste waarden in de dataset.<\/span><\/p>\n

De eenvoudigste manier om een getrimd gemiddelde in Python te berekenen, is door de functie trim_mean()<\/strong> uit de SciPy-bibliotheek te gebruiken.<\/span><\/p>\n

Deze functie gebruikt de volgende basissyntaxis:<\/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
 De volgende voorbeelden laten zien hoe u deze functie kunt gebruiken om in de praktijk een getrimd gemiddelde te berekenen.<\/span><\/p>\n
 Voorbeeld 1: Bereken het getrimde gemiddelde van de tabel<\/strong><\/span><\/h3>\n
 De volgende code laat zien hoe u een 10% bijgesneden gemiddelde voor een gegevenstabel kunt berekenen:<\/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
 Het 10% getrimde gemiddelde is 12,375<\/strong> .<\/span><\/p>\n
 Dit is het gemiddelde van de dataset nadat de kleinste 10% en de grootste 10% van de waarden uit de dataset zijn verwijderd.<\/span><\/p>\n
 Voorbeeld 2: Bereken het getrimde gemiddelde van de kolom in panda’s<\/strong><\/span><\/h3>\n
 De volgende code laat zien hoe u een bijgesneden gemiddelde van 5% berekent voor een specifieke kolom in een Panda’s 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
 Het 5% getrimde gemiddelde van de waarden in de kolom \u201cpunten\u201d is 20,25<\/strong> .<\/span><\/p>\n
 Dit is het gemiddelde van de kolom \u201cpunten\u201d na het verwijderen van de 5% kleinste en 5% grootste waarden.<\/span><\/p>\n
 Voorbeeld 3: Bereken het getrimde gemiddelde van meerdere kolommen<\/strong><\/span><\/h3>\n
 De volgende code laat zien hoe u een bijgesneden gemiddelde van 5% berekent voor meerdere kolommen in een 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
 Uit het resultaat kunnen we zien:<\/span><\/p>\n