「自然科学の統計学」第7章演習問題4-幹葉表示とロバスト推定をPythonで解いてみた

import numpy as np
import pandas as pd
import math

# データの読み込みと配列化
df = pd.read_csv('Stem_leaf_display_and_robust_estimation.csv')
arr = df['プラスチック製品の肉厚']

#1 
num_df = pd.DataFrame(index = np.arange(4.6, 5.7, 0.1), columns = ['stem'])
for a in arr:
    a = str(a)
    # 小数第1位までと小数第2位までを分離
    a, b = a[:3], a[-1]
    for index,row in num_df.iterrows():
        # 全てのnanを空文字にしておく
        if str((num_df.at[index, 'stem'])) == 'nan':
            num_df.at[index, 'stem'] = '' 
        # インデックスとa(=小数第2位まで)の誤差が0.001以下だったときに、b(=小数第3位)を幹葉表示に追加する
        if np.abs(float(index) - float(a)) < 0.001:
            num_df.at[index, 'stem'] = str(num_df.at[index, 'stem']) + str(b)
display(num_df)

#2 
mean = np.mean(arr)
print(f'平均: {mean}')

#3 
med =  np.median(arr)
print(f'中央値: {med}')

#4
k = 3
sort_arr = sorted(arr)
# ソートした結果から上位・下位3データを取り除く
trim_arr = sort_arr[k:-k]
trim_m = np.mean(trim_arr)
print(f'トリム平均: {trim_m}')

#5
n = len(arr)
# 4分の1のデータ数を計算
s = (math.floor(n / 2) + 1)/2

# sに端数が出る時
if math.floor(n / 2) % 2 == 0:
    s = int(math.floor(n / 2)/2)
    x_ns1 = (sort_arr[n - s -1] + sort_arr[n - s]) /2
    xs = (sort_arr[s-1] + sort_arr[s]) / 2
# sに端数が出ない時
else:
    x_ns1 = sort_arr[n - s]
    xs = sort_arr[s-1]
# 四分位範囲の計算
d = x_ns1 - xs
c = d/2
lower = med - c
upper = med + c

m = 0
mu = 0
ml = 0
S = 0
for num in arr:
    # mLのカウント
    if num < lower:
        ml += 1
    # mのカウントとSの加算
    elif num < upper:
        m += 1
        S += num
    # mUのカウント
    else:
        mu += 1
thetah = (S + c * (mu - ml)) / m
print(f'フーバー型推定量: {thetah}')
    

#1 
num_df = pd.DataFrame(index = np.arange(4.6, 5.7, 0.1), columns = ['stem'])
for a in arr:
    a = str(a)
    # 小数第1位までと小数第2位までを分離
    a, b = a[:3], a[-1]
    for index,row in num_df.iterrows():
        # 全てのnanを空文字にしておく
        if str((num_df.at[index, 'stem'])) == 'nan':
            num_df.at[index, 'stem'] = '' 
        # インデックスとa(=小数第2位まで)の誤差が0.001以下だったときに、b(=小数第3位)を幹葉表示に追加する
        if np.abs(float(index) - float(a)) < 0.001:
            num_df.at[index, 'stem'] = str(num_df.at[index, 'stem']) + str(b)
display(num_df)

#2 
mean = np.mean(arr)
print(f'平均: {mean}')

#3 
med =  np.median(arr)
print(f'中央値: {med}')

#4
k = 3
sort_arr = sorted(arr)
# ソートした結果から上位・下位3データを取り除く
trim_arr = sort_arr[k:-k]
trim_m = np.mean(trim_arr)
print(f'トリム平均: {trim_m}')

#5
n = len(arr)
# 4分の1のデータ数を計算
s = (math.floor(n / 2) + 1)/2

# sに端数が出る時
if math.floor(n / 2) % 2 == 0:
    s = int(math.floor(n / 2)/2)
    x_ns1 = (sort_arr[n - s -1] + sort_arr[n - s]) /2
    xs = (sort_arr[s-1] + sort_arr[s]) / 2
# sに端数が出ない時
else:
    x_ns1 = sort_arr[n - s]
    xs = sort_arr[s-1]
# 四分位範囲の計算
d = x_ns1 - xs
c = d/2
lower = med - c
upper = med + c

m = 0
mu = 0
ml = 0
S = 0
for num in arr:
    # mLのカウント
    if num < lower:
        ml += 1
    # mのカウントとSの加算
    elif num < upper:
        m += 1
        S += num
    # mUのカウント
    else:
        mu += 1
thetah = (S + c * (mu - ml)) / m
print(f'フーバー型推定量: {thetah}')

n = len(arr)
# 4分の1のデータ数を計算
s = (math.floor(n / 2) + 1)/2

# sに端数が出る時
if math.floor(n / 2) % 2 == 0:
    s = int(math.floor(n / 2)/2)
    x_ns1 = (sort_arr[n - s -1] + sort_arr[n - s]) /2
    xs = (sort_arr[s-1] + sort_arr[s]) / 2
# sに端数が出ない時
else:
    x_ns1 = sort_arr[n - s]
    xs = sort_arr[s-1]
# 四分位範囲の計算
d = x_ns1 - xs
c = d/2

lower = med - c
upper = med + c

m = 0
mu = 0
ml = 0
S = 0
for num in arr:
    # mLのカウント
    if num < lower:
        ml += 1
    # mのカウントとSの加算
    elif num < upper:
        m += 1
        S += num
    # mUのカウント
    else:
        mu += 1

thetah = (S + c * (mu - ml)) / m
print(f'フーバー型推定量: {thetah}')