python能够产生正态分布的样本值的函数是_python 用 pandas经过样本计算出均值和方差，获得正态分布的密度函数...

**java

python 用 pandas经过样本计算出均值和方差，获得正态分布的密度函数

**

求：P(add)*P(add|key)*p(add|key.min>=1)

import pandas as pd

import mathpython

data=[]

with open(r’D:\666.txt’,‘r’)as f:web

for each_line in f:

(key,add,min,max)=each_line.split()

data.append((key,add,min,max))

df=pd.DataFrame(data,columns=[‘key’,‘add’,‘min’,‘max’])

#计算类别的先验几率

pc=df[‘add’].value_counts()/df[‘add’].size

#value_counts()计算取这个地址的数目

#df[‘add’].size计算地址所在这一列的全部数目app

#计算每一个特征属性条件几率

pa1=pd.crosstab(df[‘add’], df[‘key’], margins=True).apply(lambda x:x/x[-1], axis=1)

#pd.crosstab(df[‘add’], df[‘key’], margins=True)计算该地址数下工做类型数目，margins=True计算总数

#x[-1]每组最后一个数 拿全部的数除最后一个数svg

pb1=pc[‘北京’]

ps1=pc[‘上海’]

pg1=pc[‘广州’]

psz1=pc[‘深圳’]函数

pb2=pa1[‘java’][‘北京’]

ps2=pa1[‘java’][‘上海’]

pg2=pa1[‘java’][‘广州’]

psz2=pa1[‘java’][‘深圳’]

###########min的计算(连续)

#u均值

#w方差

#df2=df.groupby(“add”).agg([np.mean,np.var])

#分别计算该地址下最小值和最大值的均值和方差code

def u(add):

u_w=df[df[‘add’]==add]

u_w1=u_w[u_w[‘min’].astype(float)>=0]

return u_w1[‘min’].astype(float).mean()xml

def w(add):

u_w=df[df[‘add’]==add]

u_w1=u_w[u_w[‘min’].astype(float)>=0]

return u_w1[‘min’].astype(float).var()pandas

ub=u(“北京”)

wb=w(“北京”)

us=u(“上海”)

ws=w(“上海”)

ug=u(“广州”)

wg=w(“广州”)

usz=u(“深圳”)

wsz=w(“深圳”)

#求密度函数

#x?

def f(mean,var):

return math.e**(-(1-mean)**2/(2var))/math.sqrt(2math.pi*var)it

pb3=f(ub,wb)

ps3=f(us,ws)

pg3=f(ug,wg)

psz3=f(usz,wsz)

print(ub)

print(wb)

print(“p(北京|java.min>=1)=%f”%(pb1pb2pb3))

print(“p(上海|java.min>=1)=%f”%(ps1ps2ps3))

print(“p(广州|java.min>=1)=%f”%(pg1pg2pg3))

print(“p(深圳|java.min>=1)=%f”%(psz1psz2psz3))