集中趋势测度

集中趋势测度（Central Tendency）是统计学中用来描述数据集中程度的方法。在数据分析中，我们更关心数据所在的「区域」而非具体的每一个数值，因此集中趋势测度可以帮助我们更好地了解数据的特征。

常见的集中趋势测度

下面列举了常见的集中趋势测度：

• 均值
• 中位数
• 众数

均值

均值（Mean）指的是数据相加然后除以数据的个数，是最常见的集中趋势测度之一。均值可以用来描述一组数据的中心位置，常用于连续数据的分析。

• 计算公式：

mean = (x1 + x2 + x3 + ... + xn) / n

• 代码实现（Python）：

def mean(nums):
    return sum(nums) / len(nums)

中位数

中位数（Median）指的是将数据从小到大排列，找出中间的那个数或中间两个数的平均数，对于偏态数据能够更好地反映集中趋势。

• 计算公式：

如果数据个数 n 是奇数，则中位数是第 (n+1)/2 个数；如果 n 是偶数，则中位数是第 n/2 个数和第 n/2+1 个数的平均数。

• 代码实现（Python）：

def median(nums):
    nums_sorted = sorted(nums)
    n = len(nums_sorted)
    if n % 2 == 0:
        return (nums_sorted[n//2 - 1] + nums_sorted[n//2]) / 2
    else:
        return nums_sorted[(n-1) // 2]

众数

众数（Mode）指的是在一组数据中出现频率最多的数值，用来描述数据的集中度。众数可以用于描述离散数据和连续数据。

• 计算公式：

众数可以通过统计每个数出现的次数，选出出现次数最多的数作为众数。

• 代码实现（Python）：

def mode(nums):
    count_dict = {}
    for num in nums:
        count_dict[num] = count_dict.get(num, 0) + 1
    mode = None
    mode_count = 0
    for num, count in count_dict.items():
        if count > mode_count:
            mode = num
            mode_count = count
    return mode

总结

集中趋势测度是用于描述数据集中程度的方法，常见的集中趋势测度有均值、中位数和众数。在数据分析中，通过常见的集中趋势测度，可以更好地了解数据的特点和趋势。