Статья Автор: Стародубцев Владимир

CD

A=[]
B=[]
C=[]
D=[]
with open('penguins_size (1).csv') as f:
  k=0
  for line in f:
    x, y, a, b, c, d, z=line.split(',')
    if k==0: k=1; continue
    A.append(float(a))
    B.append(float(b))
    C.append(float(c))
    D.append(float(d))
min_A=min(A)
max_A=max(A)
s_a=0
for el in A:
  s_a+=el
l_a=len(A)
Srednee_A=s_a/l_a
A.sort() 
 
if l_a % 2 == 0: 
    median1_A = A[l_a//2] 
    median2_A = A[l_a//2 - 1] 
    median_A = (median1_A + median2_A)/2
else: 
    median_A = A[l_a//2] 
moda_A = (max(A, key=A.count)) #мода
E = A
for i in range(len(E)):
    E[i] -= Srednee_A
    E[i] = E[i]**2
disp_A = sum(E) / len(E) # дисперсия

std_A = ((disp_A * len(E)) ** .5) / len(E) # стандартное отклонение
min_B=min(B)
max_B=max(B)
s_b=0
for el in B:
  s_b+=el
l_b=len(B)
Srednee_B=s_b/l_b
B.sort() 
 
if l_b % 2 == 0: 
    median1_B = B[l_b//2] 
    median2_B = B[l_b//2 - 1] 
    median_B = (median1_B + median2_B)/2
else: 
    median_B = B[l_b//2] 
moda_B = (max(B, key=B.count)) #мода
E = B
for i in range(len(B)):
    E[i] -= Srednee_B
    E[i] = E[i]**2
disp_B = sum(E) / len(E) # дисперсия

std_B = ((disp_B * len(E)) ** .5) / len(E) # стандартное отклонение
min_C=min(C)
max_C=max(C)
s_c=0
for el in C:
  s_c+=el
l_c=len(C)
Srednee_C=s_c/l_c
C.sort() 
 
if l_c % 2 == 0: 
    median1_C = C[l_c//2] 
    median2_C = C[l_c//2 - 1] 
    median_C = (median1_C + median2_C)/2
else: 
    median_C = C[l_c//2] 
moda_C = (max(C, key=C.count)) #мода
E = C
for i in range(len(E)):
    E[i] -= Srednee_C
    E[i] = E[i]** 2
disp_C = sum(E) / len(E) # дисперсия

std_C = ((disp_C * len(E)) **  .5) / len(E) # стандартное отклонение

min_D=min(D)
max_D=max(D)
s_d=0
for el in D:
  s_d+=el
l_d=len(D)
Srednee_D=s_d/l_d
D.sort() 
if l_d % 2 == 0: 
    median1_D = D[l_d//2] 
    median2_D = C[l_d//2 - 1] 
    median_D = (median1_D + median2_D)/2
else: 
    median_D = D[l_d//2] 
moda_D = (max(D, key=D.count)) #мода
E = D
for i in range(len(E)):
    E[i] -= Srednee_D
    E[i] = E[i] ** 2
disp_D = sum(E) / len(E) # дисперсия

std_D = ((disp_D * len(E))  **.5) / len(E) # стандартное отклонение

print (min_A, max_A, Srednee_A, l_a, median_A, moda_A, disp_A, std_A)
print (min_B, max_B, Srednee_B, l_b, median_B, moda_B, disp_B, std_B)
print (min_C, max_C, Srednee_C, l_c, median_C, moda_C, disp_C, std_C)
print (min_D, max_D, Srednee_D, l_c, median_D, moda_D, disp_D, std_D)

Для начала я выбрал файла с предоставленног сайта про пингвинов. В нем было 4 колонки с числами (Длина и глубина кульмина, длина плавника и масса пингвина). Я ввел все колонки в списки, но понятно, что пользовался только численными. Все перечисленное в задании было подсчитано одинаковым образом, отличались только буквы для обозначения колонки. Для нахождения минимального и максимального числа достаточно использовать соответствующуюю функцию min() и max(). Дальше, чтобы найти среднее, я просто, используя цикл, сложил все числа в колонке и поделил на их колечество (используя len()). Дальше отсортировал все числа (от меньшего к большему) в списке и в зависимости от четности количества чисел в списке нашел медиану (если четное количество, то нужно взять два числа по середине и поделить их сумму на два, а если их нечетно, то просто взять число, которое находится по середине). Дальше для моды, достаточно просто использовать count, она считает сколько раз встречается число в списке, и найти максимум среди всех встречающихся чисел. Дальше для дисперсии создаем новый список, равный нашему и в нем из каждого числа в списке вычтем среднее арефметическое, а потом полученное число возведим в квадрат. После этого все новые числа суммируем и делим на их количество. Получаем дисперсию. Дальше, для среднего отклонения нужно взять ту же сумму, что и для дисперсии, только теперь берем корень из нее( тоже самое, что и возвести в степень 0,5), а потом просто делим на количество. В конце просто выводим все, что нужно было для задания.

Прикрепленные файлы
penguins_size (1).csv

Чтобы оставить комментарий нужна авторизация

Печать