7 วิธีคำนวณค่าเฉลี่ยใน Python: จากพื้นฐานสู่ประยุกต์

1. วิธีพื้นฐานในการหาค่าเฉลี่ยใน Python

วิธีคำนวณค่าเฉลี่ยพื้นฐาน

# ข้อมูลตัวอย่าง
numbers = [10, 20, 30, 40, 50]

# คำนวณผลรวม
total = sum(numbers)

# คำนวณค่าเฉลี่ย
average = total / len(numbers)

print(f"ข้อมูล: {numbers}")
print(f"ค่าเฉลี่ย: {average}")

คำอธิบายโค้ด

2. การคำนวณค่าเฉลี่ยโดยใช้โมดูล statistics

วิธีคำนวณค่าเฉลี่ยด้วย statistics.mean()

import statistics

# ข้อมูลตัวอย่าง
numbers = [10, 20, 30, 40, 50]

# คำนวณค่าเฉลี่ย
average = statistics.mean(numbers)

print(f"ข้อมูล: {numbers}")
print(f"ค่าเฉลี่ย: {average}")

อธิบายโค้ด

3. การคำนวณค่าเฉลี่ยอย่างรวดเร็วด้วยโมดูล numpy

วิธีคำนวณค่าเฉลี่ยด้วย numpy.mean()

import numpy as np

# ข้อมูลตัวอย่าง
numbers = np.array([10, 20, 30, 40, 50])

# คำนวณค่าเฉลี่ย
average = np.mean(numbers)

print(f"ข้อมูล: {numbers}")
print(f"ค่าเฉลี่ย: {average}")

คำอธิบายโค้ด

4. การคำนวณค่าเฉลี่ยของข้อมูลแบบตารางด้วยการใช้ pandas

วิธีคำนวณค่าเฉลี่ยด้วย DataFrame.mean()

import pandas as pd

# สร้างตัวอย่าง DataFrame
data = {'A': [10, 20, 30, 40, 50],
        'B': [15, 25, 35, 45, 55]}
df = pd.DataFrame(data)

# คำนวณค่าเฉลี่ยของแต่ละคอลัมน์
average = df.mean()

print(f"DataFrame:
{df}")
print(f"ค่าเฉลี่ยของแต่ละคอลัมน์:
{average}")

คำอธิบายโค้ด

5. วิธีคำนวณค่าเฉลี่ยแบบพิเศษ (ค่าเฉลี่ยถ่วงน้ำหนัก, ค่าเฉลี่ยฮาร์โมนิก, ค่าเฉลี่ยเรขาคณิต)

วิธีคำนวณค่าเฉลี่ยถ่วงน้ำหนัก

import numpy as np

# ข้อมูลตัวอย่างและน้ำหนัก
data = [10, 20, 30, 40, 50]
weights = [0.1, 0.2, 0.4, 0.2, 0.1]

# คำนวณค่าเฉลี่ยถ่วงน้ำหนัก
weighted_average = np.average(data, weights=weights)

print(f"ข้อมูล: {data}")
print(f"น้ำหนัก: {weights}")
print(f"ค่าเฉลี่ยถ่วงน้ำหนัก: {weighted_average}")

วิธีคำนวณค่าเฉลี่ยฮาร์โมนิก

import statistics

# ข้อมูลตัวอย่าง
data = [10, 20, 30]

# คำนวณค่าเฉลี่ยฮาร์โมนิก
harmonic_mean = statistics.harmonic_mean(data)

print(f"ข้อมูล: {data}")
print(f"ค่าเฉลี่ยฮาร์โมนิก: {harmonic_mean}")

วิธีคำนวณค่าเฉลี่ยเรขาคณิต

import numpy as np

# ข้อมูลตัวอย่าง
data = [1.1, 1.3, 1.5]

# คำนวณค่าเฉลี่ยเรขาคณิต
geometric_mean = np.prod(data) ** (1 / len(data))

print(f"ข้อมูล: {data}")
print(f"ค่าเฉลี่ยเรขาคณิต: {geometric_mean}")

6. เทคนิคเพื่อการจัดการข้อผิดพลาดและเพิ่มความแม่นยำ

ปัญหาความแม่นยำของจำนวนทศนิยมลอยตัว

from decimal import Decimal

# ข้อมูลตัวอย่าง
data = [Decimal('0.1'), Decimal('0.2'), Decimal('0.3')]

# คำนวณค่าเฉลี่ย
average = sum(data) / len(data)

print(f"ข้อมูล: {data}")
print(f"ค่าเฉลี่ย (หลังเพิ่มความแม่นยำ): {average}")

พื้นฐานการจัดการข้อผิดพลาด

# ข้อมูลตัวอย่าง (รวมกรณีลิสต์ว่างด้วย)
data = []

# ตรวจสอบข้อผิดพลาด
if len(data) > 0:
    average = sum(data) / len(data)
    print(f"ค่าเฉลี่ย: {average}")
else:
    print("ข้อผิดพลาด: ไม่มีข้อมูล")

7. สรุป