用Python实现四分位数偏差

嘿，伙计们!在本教程中，我将向你展示如何使用Python编程语言计算四分位数偏差。

分散度的绝对衡量标准被称为四分位数偏差。它的计算方法是将最高和最低四分位数之间的差异除以一半。

四分位数偏差简介

四分位数偏差是对分散性的绝对测量，其中分散性是指分布的数值与平均值的差异程度。

即使数据中只存在一个极高或极低的数字，区间作为离散度的衡量标准的效用也会减弱。

为了计算四分位数偏差，我们必须将数据分为四个部分，每个部分包含25%的数值。

数据的四分位数偏差是通过取最高（75%）和最低（25%）四分位数之间差值的一半来计算。

在Python中实现四分位数偏差

我希望你现在明白什么是四分位数偏差。让我们来看看如何使用Python来确定数据集的四分位数偏差。

为了在Python中计算它，我们将首先建立一个数据集，然后从数据中找出四分位数1、四分位数2和四分位数3，然后开发一个函数，这个函数将有助于返回四分位数3和四分位数1之差的一半的积。

请看下面提到的代码:

import numpy as np
data = list(range(20, 100, 5))
print("Initial Data : ", data)

Q1 = np.quantile(data, 0.25)
Q2 = np.quantile(data, 0.50)
Q3 = np.quantile(data, 0.75)

print("Quartile 1 : ", Q1)
print("Quartile 2 : ", Q2)
print("Quartile 3 : ", Q3)

def QuartileDeviation(a, b):
    return (a - b)/2
print("Computed Result : ",QuartileDeviation(Q3, Q1))

代码的输出

上面提到的代码将给出以下输出:

Initial Data :  [20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
Quartile 1 :  38.75
Quartile 2 :  57.5
Quartile 3 :  76.25
Computed Result :  18.75

我希望你喜欢这个用Python编程语言计算数据集的四分位数偏差的教程。