2: 2019-06-14 (金) 23:29:25 njf[4] [5] [6] | 現: 2019-06-15 (土) 20:55:10 njf[4] [7] [8] | ||
---|---|---|---|
Line 8: | Line 8: | ||
import statistics | import statistics | ||
+ | |||
data = [1,2,3,4,5] | data = [1,2,3,4,5] | ||
+ | |||
print(statistics.mean(data)) | print(statistics.mean(data)) | ||
Line 30: | Line 30: | ||
n = 1000 | n = 1000 | ||
data = [] | data = [] | ||
+ | |||
for j in range(n): | for j in range(n): | ||
data.append(random.gauss(m,v)) | data.append(random.gauss(m,v)) | ||
+ | |||
print("平均\t\t",statistics.mean(data)) | print("平均\t\t",statistics.mean(data)) | ||
print("母標準偏差\t",statistics.pstdev(data)) | print("母標準偏差\t",statistics.pstdev(data)) | ||
Line 46: | Line 46: | ||
また、母分散(pvariance)や標本標準分散(variance)も全く同様に求められます。 | また、母分散(pvariance)や標本標準分散(variance)も全く同様に求められます。 | ||
+ | |||
+ | 上の例のように、1000個ぐらいのデータなら、スペックの低いパソコンでもほぼ一瞬で答えが出ます。 | ||
+ | |||
+ | しかし、もしもっと大量のデータを扱うなら、NumPyにも同様の関数があり、より高速なのでそちらを使うのがおすすめです。 |
(This host) = https://njf.jp