4 min de leitura
#2 - Média, Mediana e Moda
Como calcular média, mediana e moda de um conjunto de números em Python usando NumPy e SciPy - os três valores centrais mais usados em Machine Learning.
O que dá pra aprender só olhando pra um grupo de números? Em Machine Learning (e em matemática, de forma geral), três valores costumam interessar bastante: a média, o valor médio; a mediana, o valor do meio; e a moda, o valor mais comum.
Vamos usar a velocidade de 13 carros pra calcular os três:
velocidades = [99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86]
Média
A média é o valor médio — soma-se todos os valores e divide-se pelo total de valores: (99+86+87+88+111+86+103+87+94+78+77+85+86) / 13 = 89.77. O NumPy já tem um método pronto pra isso.
import numpy
velocidades = [99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86]
x = numpy.mean(velocidades)
print(x)
A saída é:
89.76923076923077
Mediana
A mediana é o valor que fica bem no meio, depois de ordenar todos os valores. Ordenando a lista de velocidades: 77, 78, 85, 86, 86, 86, 87, 87, 88, 94, 99, 103, 111 — com 13 valores, o valor central (o sétimo) é 87.
import numpy
velocidades = [99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86]
x = numpy.median(velocidades)
print(x)
A saída é:
87.0
Nota: é essencial que os números estejam ordenados antes de encontrar a mediana —
numpy.median()já cuida disso internamente, mas se você calculasse na mão, esquecer de ordenar primeiro dá um resultado errado.
Se a lista tiver uma quantidade par de valores, a mediana é a média dos dois valores do meio. Por exemplo, removendo o 111 da lista original, sobram 12 valores: [99, 86, 87, 88, 86, 103, 87, 94, 78, 77, 85, 86], que ordenados ficam 77, 78, 85, 86, 86, 86, 87, 87, 88, 94, 99, 103 — os dois valores centrais são 86 e 87, e a mediana é (86 + 87) / 2 = 86.5.
import numpy
velocidades = [99, 86, 87, 88, 86, 103, 87, 94, 78, 77, 85, 86]
x = numpy.median(velocidades)
print(x)
A saída é:
86.5
Moda
A moda é o valor que aparece com mais frequência. Na lista original, o 86 aparece 3 vezes — mais que qualquer outro valor. O SciPy tem um método pronto pra isso.
from scipy import stats
velocidades = [99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86]
x = stats.mode(velocidades)
print(x)
A saída é:
ModeResult(mode=86, count=3)
Média, mediana e moda são técnicas usadas o tempo todo em Machine Learning, então vale a pena entender bem o conceito por trás de cada uma — elas são a base pro próximo assunto: medir o quanto os dados de um conjunto estão espalhados, com desvio padrão e percentis.
Fonte adaptada: Mean Median Mode
Comentários