statistics trong Python: trung bình, trung vị, độ lệch chuẩn
Bài 14/25 · Chương 19
Thư viện chuẩn thường dùng
- 7 phút
- Trung cấp
- Python 3.14
- Cập nhật
Trong bài này · 12
Module statistics trong Python là thư viện có sẵn để tóm tắt một dãy số: trung bình, trung vị, giá trị gặp nhiều lần, phương sai và độ lệch chuẩn, không cần cài thêm gì. Bạn dùng nó khi cuối tuần cần viết báo cáo số ly bán mỗi ngày của từng chi nhánh và muốn biết một tuần bán đều hay thất thường.
Cần biết trước: lệnh import, sắp xếp list bằng sorted() và làm tròn bằng round().
Trung bình và trung vị: mean(), median()
Chi nhánh Huế ghi số ly bán trong bảy ngày. Ngày thứ năm có hội chợ nên bán gấp ba ngày thường:
import statistics
so_ly = [42, 38, 51, 40, 120, 45, 39]
print(statistics.mean(so_ly))
print(statistics.median(so_ly))
print(round(statistics.mean(so_ly), 1))KẾT QUẢ
53.57142857142857
42
53.6mean() cộng mọi giá trị rồi chia cho số giá trị. median() là trung vị: số đứng giữa sau khi sắp xếp, nên một ngày hội chợ chỉ kéo trung bình lên chứ không kéo trung vị. Trung bình giống cán cân, chỉ một quả nặng là nghiêng hẳn; trung vị giống người đứng giữa hàng, ai đứng cuối cao bao nhiêu cũng không đổi chỗ của người đó. Đổi 120 thành 48 rồi chạy lại: dòng cuối là 43.3, trung vị vẫn là 42.
median() tự sắp xếp một bản sao, list của bạn giữ nguyên thứ tự. Số giá trị chẵn thì không có một số đứng giữa, nên trung vị là trung bình của hai số giữa:
from statistics import median
tuan_truoc = [42, 38, 51, 40, 120, 45]
print(sorted(tuan_truoc))
print(median(tuan_truoc))
print(tuan_truoc)KẾT QUẢ
[38, 40, 42, 45, 51, 120]
43.5
[42, 38, 51, 40, 120, 45]Giá trị gặp nhiều lần nhất: mode()
mode() trả về giá trị xuất hiện nhiều lần nhất. Nó nhận cả chuỗi, nên đếm được món nào được gọi nhiều nhất trong ngày:
import statistics
mon_goi = ["bạc xỉu", "cà phê sữa", "trà đào", "cà phê sữa",
"bạc xỉu", "cà phê sữa"]
print(statistics.mode(mon_goi))
print(statistics.mode([3, 5, 5, 2, 5]))KẾT QUẢ
cà phê sữa
5mean() và median() cần số, còn mode() chỉ cần các giá trị dùng làm khóa được (chuỗi, số). Với số ly mỗi ngày, mode ít khi có ý nghĩa vì hai ngày hiếm khi bán đúng cùng một số ly.
Độ phân tán: variance() và stdev()
Hai chi nhánh có cùng trung bình vẫn có thể khác nhau: một nơi bán đều mỗi ngày, một nơi lúc đông lúc vắng. Phương sai variance() và độ lệch chuẩn stdev() đo các giá trị nằm xa trung bình bao nhiêu:
import statistics
hue = [40, 42, 44, 46, 48]
da_lat = [20, 30, 44, 58, 68]
print(statistics.mean(hue), statistics.mean(da_lat))
print(statistics.variance(hue), statistics.variance(da_lat))
print(round(statistics.stdev(hue), 1),
round(statistics.stdev(da_lat), 1))KẾT QUẢ
44 44
10 386
3.2 19.6Cả hai chi nhánh trung bình 44 ly, nhưng Đà Lạt lệch chuẩn khoảng 19.6 ly, gấp sáu lần Huế. Độ lệch chuẩn là căn bậc hai của phương sai (phép math.sqrt() của bài module math), nên nó cùng đơn vị với dữ liệu (ly), dễ đọc hơn phương sai (ly bình phương). mean() của một list số nguyên chia hết thì trả về 44, một int. Chia không hết thì ra float, như 53.57142857142857 ở mục đầu.
Mẫu hay toàn bộ: stdev() và pstdev()
Năm ngày của Huế ở trên chỉ là một mẫu của cả năm bán hàng. stdev() tính cho mẫu: tổng bình phương độ lệch chia cho n − 1. Khi bạn có đủ mọi giá trị, chẳng hạn đủ 30 ngày của tháng và chỉ hỏi về chính tháng đó, dùng pstdev() (chữ p của population, toàn bộ): chia cho n.
import statistics
hue = [40, 42, 44, 46, 48]
print(round(statistics.stdev(hue), 2))
print(round(statistics.pstdev(hue), 2))
print(statistics.pstdev([45]))KẾT QUẢ
3.16
2.83
0.0Chia cho n − 1 cho số lớn hơn một chút, vì độ lệch được đo từ trung bình của chính mẫu, nên luôn hơi nhỏ hơn thật. Dữ liệu càng nhiều, hai số càng gần nhau. pstdev() của một giá trị là 0.0, còn stdev() cần ít nhất hai giá trị: statistics.stdev([45]) báo StatisticsError, cùng lớp lỗi với list rỗng ở mục đầu. variance() theo cách của stdev().
Kiểm tra nhanh
Sau dòng
import statistics,statistics.median([7, 1, 3, 100])trả về gì?35.027.752.0
Sau dòng
import statistics, những lời gọi nào báoStatisticsError?statistics.stdev([45])statistics.pstdev([45])statistics.median([45])statistics.mean([])
Sau dòng
import statistics,statistics.mode(["trà đào", "bạc xỉu", "bạc xỉu", "trà đào"])trả về gì?"trà đào""bạc xỉu"- Báo lỗi
StatisticsError
Bạn có số ly bán của đủ 30 ngày trong tháng 11 và chỉ muốn đo độ phân tán của chính tháng đó. Hàm nào hợp?
statistics.stdev()statistics.variance()statistics.pstdev()
Bài tập
Tóm tắt số ly bán trong tuần
Viết hàm tom_tat(so_ly): so_ly là list số ly bán mỗi ngày của một chi nhánh, có ít nhất một ngày, chưa sắp xếp. Mấy ngày này là một mẫu của cả năm bán hàng. Hàm trả về một tuple ba số, theo thứ tự:
trung bình, làm tròn một chữ số thập phân bằng
round();trung vị;
độ lệch chuẩn của mẫu, làm tròn một chữ số;
so_lychỉ có một ngày thì phần này là0.0.
Dùng module statistics. Hàm không sửa so_ly.
Ví dụ: tom_tat([40, 42, 44, 46, 48]) trả về (44, 44, 3.2).
Trả về: trung bình, trung vị và độ lệch chuẩn, một tuple.
def tom_tat(so_ly):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
mean()là trung bình,median()là số đứng giữa sau khi sắp xếp, ít bị một ngày bất thường kéo lệch.Số giá trị chẵn thì
median()trả về trung bình của hai số giữa.mode()trả về giá trị gặp nhiều nhất, nhận cả chuỗi; khi hòa nhau nó trả về giá trị gặp trước.variance()vàstdev()đo độ phân tán của một mẫu, chia cho n − 1;stdev()cùng đơn vị với dữ liệu.pstdev()dùng khi có đủ mọi giá trị, chia cho n.List rỗng, hay
stdev()với một giá trị, báoStatisticsError.
Câu hỏi thường gặp
Tính trung vị trong Python thế nào?
Gọi statistics.median(ds): hàm tự sắp xếp một bản sao rồi lấy số đứng giữa, số giá trị chẵn thì lấy trung bình hai số giữa. Muốn tự viết để luyện tập thì sắp xếp bằng sorted() trước, rồi lấy phần tử có chỉ số len(ds) // 2 khi số giá trị lẻ.
Độ lệch chuẩn trong Python tính bằng hàm nào?
Dữ liệu là một mẫu (vài ngày đại diện cho cả năm) thì dùng statistics.stdev(). Dữ liệu là toàn bộ các giá trị bạn quan tâm thì dùng statistics.pstdev(). Hai hàm khác nhau ở chỗ chia cho n − 1 hay chia cho n.
Tính trung bình bằng sum() chia len() có được không?
Được, sum(so_ly) / len(so_ly) cho cùng kết quả với dữ liệu thường gặp, nhưng luôn ra float và báo ZeroDivisionError với list rỗng. statistics.mean() báo StatisticsError rõ nghĩa hơn, và tính trên số thực cẩn thận hơn với sai số của float.
Dữ liệu lớn thì có nên dùng module statistics không?
statistics có sẵn trong Python và hợp với vài trăm hay vài nghìn số trong một list. numpy và pandas phải cài thêm, tính nhanh trên hàng triệu số và cả bảng dữ liệu. Bài học gì tiếp theo dẫn bạn tới hai thư viện đó.
Chủ đề
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.