Hướng dẫn how do you do the mode function in python? - làm thế nào để bạn thực hiện chức năng chế độ trong python?

Chế độ Python () là một hàm tích hợp trong mô-đun thống kê áp dụng cho dữ liệu danh nghĩa (không phải là số). Chế độ () được sử dụng để xác định xu hướng trung tâm của dữ liệu số hoặc danh nghĩa. is a built-in function in a statistics module that applies to nominal (non-numeric) data. The mode() is used to locate the central tendency of numeric or nominal data.

Mô -đun thống kê Python có một số lượng đáng kể các chức năng để làm việc với các bộ dữ liệu rất lớn. Hàm Mode () là một trong những phương thức như vậy. Chế độ là một giá trị mà dữ liệu rất có thể được lấy mẫu.

Nếu bạn đang tìm kiếm số xuất hiện nhất trong danh sách, mảng hoặc tuple thì hàm python mode () là câu trả lời bạn đang tìm kiếm.

& Nbsp; chế độ & nbsp; là & nbsp; Statistical & nbsp; thuật ngữ đề cập đến số xảy ra thường xuyên nhất được tìm thấy trong một tập hợp các số. & Nbsp; chế độ & nbsp; được phát hiện bằng cách thu thập và tổ chức dữ liệu để đếm tần số của mỗi kết quả.mode is the statistical term that refers to the most frequently occurring number found in a set of numbers. The mode is detected by collecting and organizing data to count the frequency of each result.

Trong Python, chúng tôi sử dụng mô -đun thống kê để tính toán chế độ. Xem ví dụ sau.

# app.py

import statistics

listA = [19, 21, 46, 19, 18, 19]
print(statistics.mode(listA))

Trong mã trên, & nbsp; số 19 & nbsp; thường xuyên xuất hiện. Vì vậy, đó là chế độ của chúng tôi.number 19 is frequently appearing. So that is our mode.

Xem đầu ra dưới đây.

Bây giờ, hãy để xem danh sách mục duy nhất.

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

Danh sách trên có các yếu tố duy nhất trong danh sách. Vì vậy, chế độ không hoạt động ở đây. Thay vào đó, nó sẽ cho chúng ta một lỗi.

Xem đầu ra dưới đây.

Bây giờ, hãy để xem danh sách mục duy nhất.

Danh sách trên có các yếu tố duy nhất trong danh sách. Vì vậy, chế độ không hoạt động ở đây. Thay vào đó, nó sẽ cho chúng ta một lỗi.

Tính toán chế độ tuple trong Python

# app.py

import statistics

data = (21, 19, 18, 46, 30, 18, 19, 21, 18)
print(statistics.mode(data))

Để tính toán chế độ của tuple, chỉ cần truyền tuple dưới dạng tham số cho hàm mode () và nó sẽ trả về chế độ dữ liệu.

Hãy để xác định một tuple và tính toán chế độ của tuple.

Hãy cùng xem đầu ra.app.py file.

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

Nhiều ví dụ hơn

Hãy để thêm các ví dụ khác vào tệp & nbsp; app.py & nbsp; file.

Xem đầu ra dưới đây.

Giới thiệu

Khi chúng tôi đang cố gắng mô tả và tóm tắt một mẫu dữ liệu, có lẽ chúng tôi bắt đầu bằng cách tìm giá trị trung bình (hoặc trung bình), trung bình và chế độ của dữ liệu. Đây là các biện pháp xu hướng trung tâm và thường là cái nhìn đầu tiên của chúng tôi về một bộ dữ liệu.central tendency measures and are often our first look at a dataset.

Trong hướng dẫn này, chúng ta sẽ học cách tìm hoặc tính toán giá trị trung bình, trung bình và chế độ trong Python. Trước tiên chúng tôi sẽ mã hóa hàm Python cho mỗi biện pháp theo sau bằng cách sử dụng mô -đun

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

1 của Python để hoàn thành cùng một nhiệm vụ.

Với kiến ​​thức này, chúng tôi sẽ có thể xem nhanh các bộ dữ liệu của chúng tôi và có ý tưởng về xu hướng chung của dữ liệu.

Tính toán giá trị trung bình của một mẫu

Nếu chúng ta có một mẫu các giá trị số, thì giá trị trung bình của nó hoặc trung bình là tổng số của các giá trị (hoặc quan sát) chia cho số lượng giá trị.

Giả sử chúng tôi có mẫu

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

2. Chúng ta có thể tính toán giá trị trung bình của nó bằng cách thực hiện thao tác:

(4 + 8 + 6 + 5 + 3 + 2 + 8 + 9 + 2 + 5) / 10 = 5.2

Giá trị trung bình (trung bình số học) là một mô tả chung về dữ liệu của chúng tôi. Giả sử bạn mua 10 pound cà chua. Khi bạn đếm cà chua ở nhà, bạn sẽ nhận được 25 cà chua. Trong trường hợp này, bạn có thể nói rằng trọng lượng trung bình của cà chua là 0,4 pound. Đó sẽ là một mô tả tốt về cà chua của bạn.

Giá trị trung bình cũng có thể là một mô tả kém về một mẫu dữ liệu. Giả sử bạn đang phân tích một nhóm chó. Nếu bạn lấy trọng lượng tích lũy của tất cả các con chó và chia nó cho số lượng chó, thì đó có lẽ là một mô tả kém về trọng lượng của một con chó cá nhân vì các giống chó khác nhau có thể có kích thước và trọng lượng rất khác nhau.

Mức trung bình tốt như thế nào hoặc mức độ xấu mô tả một mẫu phụ thuộc vào mức độ lan truyền dữ liệu. Trong trường hợp của cà chua, mỗi trọng lượng gần giống nhau và giá trị trung bình là một mô tả tốt về chúng. Trong trường hợp của chó, không có con chó tại chỗ. Họ có thể từ một Chihuahua nhỏ đến một con chó săn Đức khổng lồ. Vì vậy, ý nghĩa của chính nó không phải là một mô tả tốt trong trường hợp này.

Bây giờ là lúc để hành động và tìm hiểu làm thế nào chúng ta có thể tính toán trung bình bằng cách sử dụng Python.

Tính trung bình với Python

Để tính giá trị trung bình của một mẫu dữ liệu số, chúng tôi sẽ sử dụng hai hàm tích hợp của Python. Một để tính tổng tổng của các giá trị và một để tính chiều dài của mẫu.

Hàm đầu tiên là

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

3. Hàm tích hợp này có một giá trị số có thể lặp lại và trả về tổng số của chúng.

Hàm thứ hai là

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

4. Hàm tích hợp này trả về độ dài của một đối tượng.

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

4 có thể thực hiện các chuỗi (chuỗi, byte, tuple, danh sách hoặc phạm vi) hoặc bộ sưu tập (từ điển, bộ hoặc bộ đông lạnh) làm đối số.

Đây là cách chúng ta có thể tính toán trung bình:

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

Trước tiên chúng tôi tổng hợp các giá trị trong

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

6 bằng cách sử dụng

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

3. Sau đó, chúng tôi chia tổng số đó cho độ dài của

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

6, đó là giá trị kết quả là

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

9.

Sử dụng trung bình của Python ()

Vì tính toán giá trị trung bình là một hoạt động chung, Python bao gồm chức năng này trong mô -đun

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

1. Nó cung cấp một số chức năng để tính toán số liệu thống kê cơ bản trên các bộ dữ liệu. Hàm

# app.py

import statistics

data = (21, 19, 18, 46, 30, 18, 19, 21, 18)
print(statistics.mode(data))

1 lấy một mẫu dữ liệu số (bất kỳ điều khác được) và trả về giá trị trung bình của nó.

Đây là cách

# app.py

import statistics

data = (21, 19, 18, 46, 30, 18, 19, 21, 18)
print(statistics.mode(data))

2 của Python hoạt động:

>>> import statistics

>>> statistics.mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

Chúng tôi chỉ cần nhập mô -đun

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

1 và sau đó gọi

# app.py

import statistics

data = (21, 19, 18, 46, 30, 18, 19, 21, 18)
print(statistics.mode(data))

2 với mẫu của chúng tôi làm đối số. Điều đó sẽ trả về giá trị trung bình của mẫu. Đây là một cách nhanh chóng để tìm kiếm ý nghĩa sử dụng Python.

Tìm kiếm trung bình của một mẫu

Trung bình của một mẫu dữ liệu số là giá trị nằm ở giữa khi chúng ta sắp xếp dữ liệu. Dữ liệu có thể được sắp xếp theo thứ tự tăng dần hoặc giảm dần, trung bình vẫn giữ nguyên.

Để tìm trung vị, chúng ta cần:

1. Sắp xếp mẫu
2. Xác định vị trí giá trị ở giữa mẫu được sắp xếp

Khi định vị số ở giữa một mẫu được sắp xếp, chúng ta có thể đối mặt với hai loại tình huống:

1. Nếu mẫu có số lượng quan sát lẻ, thì giá trị trung bình trong mẫu được sắp xếp là trung bìnhodd number of observations, then the middle value in the sorted sample is the median
2. Nếu mẫu có số lượng quan sát chẵn, thì chúng ta sẽ cần tính giá trị trung bình của hai giá trị giữa trong mẫu được sắp xếpeven number of observations, then we'll need to calculate the mean of the two middle values in the sorted sample

Nếu chúng ta có mẫu

# app.py

import statistics

data = (21, 19, 18, 46, 30, 18, 19, 21, 18)
print(statistics.mode(data))

5 và muốn tìm trung bình của nó, thì trước tiên chúng ta sắp xếp mẫu thành

# app.py

import statistics

data = (21, 19, 18, 46, 30, 18, 19, 21, 18)
print(statistics.mode(data))

6. Trung bình sẽ là

# app.py

import statistics

data = (21, 19, 18, 46, 30, 18, 19, 21, 18)
print(statistics.mode(data))

7 vì đó là giá trị ở giữa.

Mặt khác, nếu chúng ta có mẫu

# app.py

import statistics

data = (21, 19, 18, 46, 30, 18, 19, 21, 18)
print(statistics.mode(data))

8, thì trung bình của nó sẽ là

# app.py

import statistics

data = (21, 19, 18, 46, 30, 18, 19, 21, 18)
print(statistics.mode(data))

9.

Chúng ta hãy xem làm thế nào chúng ta có thể sử dụng Python để tính toán trung bình.

Tìm trung vị với Python

Để tìm trung vị, trước tiên chúng ta cần sắp xếp các giá trị trong mẫu của chúng tôi. Chúng ta có thể đạt được điều đó bằng cách sử dụng chức năng

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

0 tích hợp.

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

0 có một sự lặp đi lặp lại và trả về một

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

2 được sắp xếp chứa cùng các giá trị của bản gốc.

Bước thứ hai là định vị giá trị nằm ở giữa mẫu được sắp xếp. Để xác định giá trị đó trong một mẫu có số lượng quan sát lẻ, chúng ta có thể chia số lượng quan sát cho 2. Kết quả sẽ là chỉ số của giá trị ở giữa mẫu được sắp xếp.

Vì một toán tử phân chia (

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

3) trả về số float, chúng ta sẽ cần sử dụng toán tử phân chia sàn, (

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

4) để có được số nguyên. Vì vậy, chúng ta có thể sử dụng nó làm chỉ mục trong hoạt động lập chỉ mục (

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

5).

Nếu mẫu có số lượng quan sát chẵn, thì chúng ta cần xác định vị trí hai giá trị giữa. Giả sử chúng tôi có mẫu

# app.py

import statistics

data = (21, 19, 18, 46, 30, 18, 19, 21, 18)
print(statistics.mode(data))

8. Nếu chúng ta chia độ dài của nó (

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

7) cho

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

8 bằng cách sử dụng một bộ phận sàn, thì chúng ta sẽ nhận được

# app.py

import statistics

data = (21, 19, 18, 46, 30, 18, 19, 21, 18)
print(statistics.mode(data))

7. Đó là chỉ số của giá trị trung lưu trên của chúng tôi (

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

0). Để tìm chỉ số giá trị trung lưu thấp hơn của chúng tôi (

# app.py

import statistics

data = (21, 19, 18, 46, 30, 18, 19, 21, 18)
print(statistics.mode(data))

7), chúng tôi có thể giảm chỉ số của giá trị trung lưu trên bằng

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

2.

Kiểm tra hướng dẫn thực hành của chúng tôi, thực tế để học Git, với các thực hành tốt nhất, các tiêu chuẩn được công nghiệp chấp nhận và bao gồm bảng gian lận. Ngừng các lệnh git googling và thực sự tìm hiểu nó!

Hãy đặt tất cả những thứ này lại với nhau trong chức năng tính toán trung bình của một mẫu. Đây là một triển khai có thể:

>>> def my_median(sample):
...     n = len(sample)
...     index = n // 2
...     # Sample with an odd number of observations
...     if n % 2:
...         return sorted(sample)[index]
...     # Sample with an even number of observations
...     return sum(sorted(sample)[index - 1:index + 1]) / 2
...

>>> my_median([3, 5, 1, 4, 2])
3

>>> my_median([3, 5, 1, 4, 2, 6])
3.5

Hàm này lấy một mẫu các giá trị số và trả về trung bình của nó. Trước tiên chúng tôi tìm thấy độ dài của mẫu,

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

3. Sau đó, chúng tôi tính toán chỉ số của giá trị giữa (hoặc giá trị trung lưu trên) bằng cách chia

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

3 cho

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

8.

Tuyên bố

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

6 kiểm tra xem mẫu trong tay có số lượng quan sát lẻ. Nếu vậy, thì trung bình là giá trị tại

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

7.

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

8 cuối cùng chạy nếu mẫu có số lượng quan sát chẵn. Trong trường hợp đó, chúng tôi tìm thấy trung bình bằng cách tính giá trị trung bình của hai giá trị trung bình.

Lưu ý rằng hoạt động cắt

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

9 có hai giá trị. Giá trị tại

>>> import statistics

>>> statistics.mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

0 và giá trị tại

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

7 vì các hoạt động cắt loại trừ giá trị tại chỉ số cuối cùng (

>>> import statistics

>>> statistics.mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

2).

Sử dụng trung bình của Python ()

Python's

>>> import statistics

>>> statistics.mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

3 lấy một mẫu dữ liệu và trả về trung bình của nó. Đây là cách phương thức hoạt động:

>>> import statistics

>>> statistics.median([3, 5, 1, 4, 2])
3

>>> statistics.median([3, 5, 1, 4, 2, 6])
3.5

Lưu ý rằng

>>> import statistics

>>> statistics.mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

4 tự động xử lý tính toán trung bình cho các mẫu có số lẻ hoặc số lượng quan sát chẵn.

Tìm chế độ của một mẫu

Chế độ là quan sát (hoặc quan sát) thường xuyên nhất trong một mẫu. Nếu chúng ta có mẫu

>>> import statistics

>>> statistics.mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

5, thì chế độ của nó là

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

8 vì

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

8 xuất hiện hai lần trong mẫu trong khi các phần tử khác chỉ xuất hiện một lần.

Chế độ không cần phải là duy nhất. Một số mẫu có nhiều hơn một chế độ. Giả sử chúng tôi có mẫu

>>> import statistics

>>> statistics.mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

8. Mẫu này có hai chế độ -

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

8 và

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

0 vì chúng là các giá trị xuất hiện thường xuyên hơn và cả hai xuất hiện cùng một số lần.

Chế độ thường được sử dụng cho dữ liệu phân loại. Các loại dữ liệu phân loại phổ biến là:

• Boolean - chỉ có thể lấy hai giá trị như trong

  >>> def my_median(sample):
  ...     n = len(sample)
  ...     index = n // 2
  ...     # Sample with an odd number of observations
  ...     if n % 2:
  ...         return sorted(sample)[index]
  ...     # Sample with an even number of observations
  ...     return sum(sorted(sample)[index - 1:index + 1]) / 2
  ...
  
  >>> my_median([3, 5, 1, 4, 2])
  3
  
  >>> my_median([3, 5, 1, 4, 2, 6])
  3.5
  

  1 hoặc

  >>> def my_median(sample):
  ...     n = len(sample)
  ...     index = n // 2
  ...     # Sample with an odd number of observations
  ...     if n % 2:
  ...         return sorted(sample)[index]
  ...     # Sample with an even number of observations
  ...     return sum(sorted(sample)[index - 1:index + 1]) / 2
  ...
  
  >>> my_median([3, 5, 1, 4, 2])
  3
  
  >>> my_median([3, 5, 1, 4, 2, 6])
  3.5
  

  2,

  >>> def my_median(sample):
  ...     n = len(sample)
  ...     index = n // 2
  ...     # Sample with an odd number of observations
  ...     if n % 2:
  ...         return sorted(sample)[index]
  ...     # Sample with an even number of observations
  ...     return sum(sorted(sample)[index - 1:index + 1]) / 2
  ...
  
  >>> my_median([3, 5, 1, 4, 2])
  3
  
  >>> my_median([3, 5, 1, 4, 2, 6])
  3.5
  

  3 hoặc

  >>> def my_median(sample):
  ...     n = len(sample)
  ...     index = n // 2
  ...     # Sample with an odd number of observations
  ...     if n % 2:
  ...         return sorted(sample)[index]
  ...     # Sample with an even number of observations
  ...     return sum(sorted(sample)[index - 1:index + 1]) / 2
  ...
  
  >>> my_median([3, 5, 1, 4, 2])
  3
  
  >>> my_median([3, 5, 1, 4, 2, 6])
  3.5
  

  4 - Can take only two values like in

  >>> def my_median(sample):
  ...     n = len(sample)
  ...     index = n // 2
  ...     # Sample with an odd number of observations
  ...     if n % 2:
  ...         return sorted(sample)[index]
  ...     # Sample with an even number of observations
  ...     return sum(sorted(sample)[index - 1:index + 1]) / 2
  ...
  
  >>> my_median([3, 5, 1, 4, 2])
  3
  
  >>> my_median([3, 5, 1, 4, 2, 6])
  3.5
  

  1 or

  >>> def my_median(sample):
  ...     n = len(sample)
  ...     index = n // 2
  ...     # Sample with an odd number of observations
  ...     if n % 2:
  ...         return sorted(sample)[index]
  ...     # Sample with an even number of observations
  ...     return sum(sorted(sample)[index - 1:index + 1]) / 2
  ...
  
  >>> my_median([3, 5, 1, 4, 2])
  3
  
  >>> my_median([3, 5, 1, 4, 2, 6])
  3.5
  

  2,

  >>> def my_median(sample):
  ...     n = len(sample)
  ...     index = n // 2
  ...     # Sample with an odd number of observations
  ...     if n % 2:
  ...         return sorted(sample)[index]
  ...     # Sample with an even number of observations
  ...     return sum(sorted(sample)[index - 1:index + 1]) / 2
  ...
  
  >>> my_median([3, 5, 1, 4, 2])
  3
  
  >>> my_median([3, 5, 1, 4, 2, 6])
  3.5
  

  3 or

  >>> def my_median(sample):
  ...     n = len(sample)
  ...     index = n // 2
  ...     # Sample with an odd number of observations
  ...     if n % 2:
  ...         return sorted(sample)[index]
  ...     # Sample with an even number of observations
  ...     return sum(sorted(sample)[index - 1:index + 1]) / 2
  ...
  
  >>> my_median([3, 5, 1, 4, 2])
  3
  
  >>> my_median([3, 5, 1, 4, 2, 6])
  3.5
  

  4
• danh nghĩa - có thể mất nhiều hơn hai giá trị như trong

  >>> def my_median(sample):
  ...     n = len(sample)
  ...     index = n // 2
  ...     # Sample with an odd number of observations
  ...     if n % 2:
  ...         return sorted(sample)[index]
  ...     # Sample with an even number of observations
  ...     return sum(sorted(sample)[index - 1:index + 1]) / 2
  ...
  
  >>> my_median([3, 5, 1, 4, 2])
  3
  
  >>> my_median([3, 5, 1, 4, 2, 6])
  3.5
  

  5 - Can take more than two values like in

  >>> def my_median(sample):
  ...     n = len(sample)
  ...     index = n // 2
  ...     # Sample with an odd number of observations
  ...     if n % 2:
  ...         return sorted(sample)[index]
  ...     # Sample with an even number of observations
  ...     return sum(sorted(sample)[index - 1:index + 1]) / 2
  ...
  
  >>> my_median([3, 5, 1, 4, 2])
  3
  
  >>> my_median([3, 5, 1, 4, 2, 6])
  3.5
  

  5
• Ordinal - có thể mất nhiều hơn hai giá trị nhưng các giá trị có thứ tự hợp lý như trong

  >>> def my_median(sample):
  ...     n = len(sample)
  ...     index = n // 2
  ...     # Sample with an odd number of observations
  ...     if n % 2:
  ...         return sorted(sample)[index]
  ...     # Sample with an even number of observations
  ...     return sum(sorted(sample)[index - 1:index + 1]) / 2
  ...
  
  >>> my_median([3, 5, 1, 4, 2])
  3
  
  >>> my_median([3, 5, 1, 4, 2, 6])
  3.5
  

  6 - Can take more than two values but the values have a logical order like in

  >>> def my_median(sample):
  ...     n = len(sample)
  ...     index = n // 2
  ...     # Sample with an odd number of observations
  ...     if n % 2:
  ...         return sorted(sample)[index]
  ...     # Sample with an even number of observations
  ...     return sum(sorted(sample)[index - 1:index + 1]) / 2
  ...
  
  >>> my_median([3, 5, 1, 4, 2])
  3
  
  >>> my_median([3, 5, 1, 4, 2, 6])
  3.5
  

  6

Khi chúng tôi phân tích dữ liệu dữ liệu phân loại, chúng tôi có thể sử dụng chế độ để biết danh mục nào là phổ biến nhất trong dữ liệu của chúng tôi.

Chúng ta có thể tìm thấy các mẫu không có chế độ. Nếu tất cả các quan sát là duy nhất (không có quan sát lặp đi lặp lại), thì mẫu của bạn sẽ không có chế độ.

Bây giờ chúng ta đã biết những điều cơ bản về chế độ, chúng ta hãy xem làm thế nào chúng ta có thể tìm thấy nó bằng Python.

Tìm chế độ với Python

Để tìm chế độ có Python, chúng tôi sẽ bắt đầu bằng cách đếm số lần xuất hiện của từng giá trị trong mẫu trong tay. Sau đó, chúng tôi sẽ nhận được (các) giá trị với số lần xuất hiện cao hơn.

Vì việc đếm các đối tượng là một hoạt động phổ biến, Python cung cấp lớp

>>> def my_median(sample):
...     n = len(sample)
...     index = n // 2
...     # Sample with an odd number of observations
...     if n % 2:
...         return sorted(sample)[index]
...     # Sample with an even number of observations
...     return sum(sorted(sample)[index - 1:index + 1]) / 2
...

>>> my_median([3, 5, 1, 4, 2])
3

>>> my_median([3, 5, 1, 4, 2, 6])
3.5

7. Lớp này được thiết kế đặc biệt để đếm các đối tượng.

Lớp

>>> def my_median(sample):
...     n = len(sample)
...     index = n // 2
...     # Sample with an odd number of observations
...     if n % 2:
...         return sorted(sample)[index]
...     # Sample with an even number of observations
...     return sum(sorted(sample)[index - 1:index + 1]) / 2
...

>>> my_median([3, 5, 1, 4, 2])
3

>>> my_median([3, 5, 1, 4, 2, 6])
3.5

8 cung cấp một phương thức được xác định là

>>> def my_median(sample):
...     n = len(sample)
...     index = n // 2
...     # Sample with an odd number of observations
...     if n % 2:
...         return sorted(sample)[index]
...     # Sample with an even number of observations
...     return sum(sorted(sample)[index - 1:index + 1]) / 2
...

>>> my_median([3, 5, 1, 4, 2])
3

>>> my_median([3, 5, 1, 4, 2, 6])
3.5

9. Phương pháp này trả về một

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

2 của các bộ hai mục với các yếu tố phổ biến

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

3 hơn và số lượng tương ứng của chúng. Nếu

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

3 bị bỏ qua hoặc

>>> import statistics

>>> statistics.median([3, 5, 1, 4, 2])
3

>>> statistics.median([3, 5, 1, 4, 2, 6])
3.5

3, thì

>>> import statistics

>>> statistics.median([3, 5, 1, 4, 2])
3

>>> statistics.median([3, 5, 1, 4, 2, 6])
3.5

4 trả về tất cả các yếu tố.

Chúng ta hãy sử dụng

>>> def my_median(sample):
...     n = len(sample)
...     index = n // 2
...     # Sample with an odd number of observations
...     if n % 2:
...         return sorted(sample)[index]
...     # Sample with an even number of observations
...     return sum(sorted(sample)[index - 1:index + 1]) / 2
...

>>> my_median([3, 5, 1, 4, 2])
3

>>> my_median([3, 5, 1, 4, 2, 6])
3.5

8 và

>>> import statistics

>>> statistics.median([3, 5, 1, 4, 2])
3

>>> statistics.median([3, 5, 1, 4, 2, 6])
3.5

4 để mã hóa một hàm lấy mẫu dữ liệu và trả về chế độ của nó.

Đây là một triển khai có thể:

>>> from collections import Counter

>>> def my_mode(sample):
...     c = Counter(sample)
...     return [k for k, v in c.items() if v == c.most_common(1)[0][1]]
...

>>> my_mode(["male", "male", "female", "male"])
['male']

>>> my_mode(["few", "few", "many", "some", "many"])
['few', 'many']

>>> my_mode([4, 1, 2, 2, 3, 5])
[2]

>>> my_mode([4, 1, 2, 2, 3, 5, 4])
[4, 2]

Trước tiên, chúng tôi đếm các quan sát trong

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

6 bằng cách sử dụng đối tượng

>>> def my_median(sample):
...     n = len(sample)
...     index = n // 2
...     # Sample with an odd number of observations
...     if n % 2:
...         return sorted(sample)[index]
...     # Sample with an even number of observations
...     return sum(sorted(sample)[index - 1:index + 1]) / 2
...

>>> my_median([3, 5, 1, 4, 2])
3

>>> my_median([3, 5, 1, 4, 2, 6])
3.5

8 (

>>> import statistics

>>> statistics.median([3, 5, 1, 4, 2])
3

>>> statistics.median([3, 5, 1, 4, 2, 6])
3.5

9). Sau đó, chúng tôi sử dụng khả năng hiểu danh sách để tạo

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

2 chứa các quan sát xuất hiện cùng số lần trong mẫu.

Kể từ khi

>>> from collections import Counter

>>> def my_mode(sample):
...     c = Counter(sample)
...     return [k for k, v in c.items() if v == c.most_common(1)[0][1]]
...

>>> my_mode(["male", "male", "female", "male"])
['male']

>>> my_mode(["few", "few", "many", "some", "many"])
['few', 'many']

>>> my_mode([4, 1, 2, 2, 3, 5])
[2]

>>> my_mode([4, 1, 2, 2, 3, 5, 4])
[4, 2]

1 trả về

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

2 với một

>>> from collections import Counter

>>> def my_mode(sample):
...     c = Counter(sample)
...     return [k for k, v in c.items() if v == c.most_common(1)[0][1]]
...

>>> my_mode(["male", "male", "female", "male"])
['male']

>>> my_mode(["few", "few", "many", "some", "many"])
['few', 'many']

>>> my_mode([4, 1, 2, 2, 3, 5])
[2]

>>> my_mode([4, 1, 2, 2, 3, 5, 4])
[4, 2]

3 của Mẫu

>>> from collections import Counter

>>> def my_mode(sample):
...     c = Counter(sample)
...     return [k for k, v in c.items() if v == c.most_common(1)[0][1]]
...

>>> my_mode(["male", "male", "female", "male"])
['male']

>>> my_mode(["few", "few", "many", "some", "many"])
['few', 'many']

>>> my_mode([4, 1, 2, 2, 3, 5])
[2]

>>> my_mode([4, 1, 2, 2, 3, 5, 4])
[4, 2]

4, chúng ta cần có được quan sát tại Index

>>> from collections import Counter

>>> def my_mode(sample):
...     c = Counter(sample)
...     return [k for k, v in c.items() if v == c.most_common(1)[0][1]]
...

>>> my_mode(["male", "male", "female", "male"])
['male']

>>> my_mode(["few", "few", "many", "some", "many"])
['few', 'many']

>>> my_mode([4, 1, 2, 2, 3, 5])
[2]

>>> my_mode([4, 1, 2, 2, 3, 5, 4])
[4, 2]

5 trong

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

2 và sau đó là mục tại Index

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

2 trong

>>> from collections import Counter

>>> def my_mode(sample):
...     c = Counter(sample)
...     return [k for k, v in c.items() if v == c.most_common(1)[0][1]]
...

>>> my_mode(["male", "male", "female", "male"])
['male']

>>> my_mode(["few", "few", "many", "some", "many"])
['few', 'many']

>>> my_mode([4, 1, 2, 2, 3, 5])
[2]

>>> my_mode([4, 1, 2, 2, 3, 5, 4])
[4, 2]

3 lồng nhau. Điều này có thể được thực hiện với biểu thức

>>> from collections import Counter

>>> def my_mode(sample):
...     c = Counter(sample)
...     return [k for k, v in c.items() if v == c.most_common(1)[0][1]]
...

>>> my_mode(["male", "male", "female", "male"])
['male']

>>> my_mode(["few", "few", "many", "some", "many"])
['few', 'many']

>>> my_mode([4, 1, 2, 2, 3, 5])
[2]

>>> my_mode([4, 1, 2, 2, 3, 5, 4])
[4, 2]

9. Giá trị đó là chế độ đầu tiên của mẫu của chúng tôi.

Lưu ý rằng điều kiện của sự hiểu biết so sánh số lượng của mỗi quan sát (

>>> import statistics

>>> statistics.mode([4, 1, 2, 2, 3, 5])
2

>>> statistics.mode([4, 1, 2, 2, 3, 5, 4])
4

>>> st.mode(["few", "few", "many", "some", "many"])
'few'

0) với số lượng quan sát phổ biến nhất (

>>> from collections import Counter

>>> def my_mode(sample):
...     c = Counter(sample)
...     return [k for k, v in c.items() if v == c.most_common(1)[0][1]]
...

>>> my_mode(["male", "male", "female", "male"])
['male']

>>> my_mode(["few", "few", "many", "some", "many"])
['few', 'many']

>>> my_mode([4, 1, 2, 2, 3, 5])
[2]

>>> my_mode([4, 1, 2, 2, 3, 5, 4])
[4, 2]

9). Điều này sẽ cho phép chúng tôi có được nhiều quan sát (

>>> import statistics

>>> statistics.mode([4, 1, 2, 2, 3, 5])
2

>>> statistics.mode([4, 1, 2, 2, 3, 5, 4])
4

>>> st.mode(["few", "few", "many", "some", "many"])
'few'

2) với cùng một số lượng trong trường hợp mẫu đa chế độ.

Sử dụng chế độ Python ()

Python's

>>> import statistics

>>> statistics.mode([4, 1, 2, 2, 3, 5])
2

>>> statistics.mode([4, 1, 2, 2, 3, 5, 4])
4

>>> st.mode(["few", "few", "many", "some", "many"])
'few'

3 mất một số

>>> import statistics

>>> statistics.mode([4, 1, 2, 2, 3, 5])
2

>>> statistics.mode([4, 1, 2, 2, 3, 5, 4])
4

>>> st.mode(["few", "few", "many", "some", "many"])
'few'

4 và trả về chế độ (đầu tiên) của nó. Hãy xem cách chúng ta có thể sử dụng nó:

>>> import statistics

>>> statistics.mode([4, 1, 2, 2, 3, 5])
2

>>> statistics.mode([4, 1, 2, 2, 3, 5, 4])
4

>>> st.mode(["few", "few", "many", "some", "many"])
'few'

Với một mẫu một chế độ,

>>> import statistics

>>> statistics.mode([4, 1, 2, 2, 3, 5])
2

>>> statistics.mode([4, 1, 2, 2, 3, 5, 4])
4

>>> st.mode(["few", "few", "many", "some", "many"])
'few'

5 của Python trả về giá trị phổ biến nhất,

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

8. Tuy nhiên, trong quá trình tiến hành hai ví dụ, nó đã trả lại

>>> def my_mean(sample):
...     return sum(sample) / len(sample)
...

>>> my_mean([4, 8, 6, 5, 3, 2, 8, 9, 2, 5])
5.2

0 và

>>> import statistics

>>> statistics.mode([4, 1, 2, 2, 3, 5])
2

>>> statistics.mode([4, 1, 2, 2, 3, 5, 4])
4

>>> st.mode(["few", "few", "many", "some", "many"])
'few'

8. Các mẫu này có các yếu tố khác xảy ra cùng một số lần, nhưng chúng không được bao gồm.

Vì Python 3.8, chúng tôi cũng có thể sử dụng

>>> import statistics

>>> statistics.mode([4, 1, 2, 2, 3, 5])
2

>>> statistics.mode([4, 1, 2, 2, 3, 5, 4])
4

>>> st.mode(["few", "few", "many", "some", "many"])
'few'

9, chấp nhận một điều đáng tin cậy và trả về

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

2 của các chế độ.

Đây là một ví dụ về cách sử dụng

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

01:

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

0

Lưu ý: Hàm luôn trả về

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

2, ngay cả khi bạn vượt qua mẫu một chế độ. The function always returns a

# app.py

import statistics
from fractions import Fraction as fr

data1 = (1, 2, 2, 3, 3, 3, 4, 4, 4, 4) 
print(statistics.mode(data1))

data2 = (2.1, 1.9, 2.1, 1.8, 2.9) 
print(statistics.mode(data2))

data3 = (fr(19, 21), fr(18, 21), fr(19, 21), fr(21, 46)) 
print(statistics.mode(data3))
  
data4 = (-21, -22, -21, -29, -18, -19) 
print(statistics.mode(data4))
  
data5 = ('Emily', 'Matt', 'Ross', 'Rachel', 'Monica', 'Chandler', 'Rachel') 
print(statistics.mode(data5))

2, even if you pass a single-mode sample.

Sự kết luận

Giá trị trung bình (hoặc trung bình), trung bình và chế độ thường là cái nhìn đầu tiên của chúng tôi về một mẫu dữ liệu khi chúng tôi cố gắng hiểu xu hướng trung tâm của dữ liệu.

Trong hướng dẫn này, chúng tôi đã học cách tìm hoặc tính toán giá trị trung bình, trung bình và chế độ sử dụng Python. Trước tiên chúng tôi đề cập đến từng bước, cách tạo các chức năng của riêng mình để tính toán chúng và sau đó là cách sử dụng mô-đun

# app.py

import statistics

listUnique = [19, 21, 18, 30, 46]
print(statistics.mode(listUnique))

1 của Python như một cách nhanh chóng để tìm các biện pháp này.

Có chế độ trong Python không?

Công thức chế độ là gì?

Làm thế nào để bạn tìm thấy chế độ trong Python theo cách thủ công?

Làm thế nào để bạn tìm thấy chế độ của một danh sách?