集計と統計 ― sum / mean / std

導入

データ分析の基本は「まず全体を要約する」こと。合計・平均・ばらつきといった統計量を numpy はすぐ出せます。

説明

配列に対して .sum()（合計）、.mean()（平均）、.max() / .min()（最大・最小）、.std()（標準偏差＝ばらつき）が使えます。

import numpy as np

data = np.array([50, 60, 70, 80, 90])
print("合計:", data.sum())
print("平均:", data.mean())
print("最大:", data.max())
print("最小:", data.min())
print("標準偏差:", data.std())

標準偏差は「データが平均からどれくらい散らばっているか」の目安です。値が大きいほどばらつきが大きいことを表します。

np.median()（中央値）のように、関数の形で呼ぶものもあります。

import numpy as np

data = np.array([1, 2, 2, 3, 100])
print("平均:", data.mean())       # 極端な値に引っぱられる
print("中央値:", np.median(data)) # 真ん中の値。外れ値に強い

平均は 100 のような外れ値に引っぱられますが、中央値は真ん中の値なので影響を受けにくい、という性質の違いも大切です。

やってみよう

data.mean() と np.median(data) の差を見比べましょう。外れ値 100 を 3 に変えると、両者はどう近づくでしょうか。

演習

テストの点 np.array([65, 70, 68, 90, 72]) の平均点と最高点を、それぞれ print で表示してください。