STEM应用统计课程数据集预处理报错及描述性统计求助

一、报错排查要点 #

由于未提供具体报错信息，针对第3-5步的常见问题，可从以下方向排查：

• 检查数据输入：原数据中91,93的格式是否有误（缺少空格可能导致数据被识别为字符串或错误数值），确保所有温度值都是整数类型，无多余标点或非数值字符
• 验证代码语法：确认创建DataFrame时的语法正确，比如列表括号是否闭合、列名是否加引号，变量名无拼写错误
• 确认依赖环境：检查pandas是否已正确安装并导入，开头需有import pandas as pd
• 检查数据结构：确保数据被正确转换为列表/数组，没有混入字符串或其他非数值元素

二、正确的统计量计算代码 #

以下是基于pandas DataFrame的完整实现，可直接运行计算所需统计量：

import pandas as pd

# 整理后的温度数据集
temp_data = [102, 97, 88, 79, 82, 91, 95, 91, 93, 97, 104, 106, 106, 100]
# 创建DataFrame并指定列名
temp_df = pd.DataFrame(temp_data, columns=["Daily_Temperature"])

# 计算各统计量
mean = temp_df["Daily_Temperature"].mean()
median = temp_df["Daily_Temperature"].median()
sample_variance = temp_df["Daily_Temperature"].var(ddof=1)  # 样本方差
sample_std = temp_df["Daily_Temperature"].std(ddof=1)      # 样本标准差
desc_stats = temp_df.describe()

# 输出结果
print(f"均值: {mean:.2f}")
print(f"中位数: {median}")
print(f"样本方差: {sample_variance:.2f}")
print(f"样本标准差: {sample_std:.2f}")
print("\n完整描述性统计:")
print(desc_stats)

代码说明 #

• ddof=1用于计算样本统计量（符合统计课程中常用的样本方差/标准差定义），若需总体统计量可将ddof设为0
• describe()方法会自动生成包含计数、均值、标准差、最小值、四分位数、最大值的完整描述性统计结果

内容的提问来源于stack exchange，提问作者Trish Jackson