大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE稳定放心使用
参考资料:
(基尼系数计算方法-何史提的回答)https://www.zhihu.com/question/20219466/answer/25936162
简单的说明(吐槽):
最近对基尼系数有点感兴趣,于是就基于面向百度搜索的方法(?)写了一个python计算基尼系数的小文件(手动狗头)。
读入的文件格式设置为txt,然后它里面只有一列数据。
完整代码:
import os
import numpy as np
import pandas as pd
file = open("gini.txt", "r") #以只读方式从文件夹中读取一列家庭年收入的数据文档
row = file.readlines() #读取所有行
wealths = [] #定义一个wealths数组用于存放所有的数据
#以下开始将txt文件的数据逐个输入wealths数组
for line in row:
line = list(line.strip().split('/n')) #strip移除字符串头尾指定的字符(默认为空格或换行符),split指定分隔符对 字符串进行切片
for i in line:
wealths.append(int(i)) #逐个追加入wealths数组
#打印wealths数组,看一下有没有读入数据错误
for i in range(0,len(wealths)):
print(wealths[i])
#基尼系数计算的函数
def gini_coef(wealths):
cum_wealths = np.cumsum(sorted(np.append(wealths, 0)))
sum_wealths = cum_wealths[-1]
xarray = np.array(range(0, len(cum_wealths))) / np.float(len(cum_wealths)-1)
yarray = cum_wealths / sum_wealths
B = np.trapz(yarray, x=xarray)
A = 0.5 - B
return A / (A+B)
#打印基尼系数结果
print("\n基尼系数是%f"%gini_coef(wealths))
测试代码:
首先是计算绝对平均的情况
我新建了一个“绝对平均”的txt文档,里面有100行数据,每一列都是1000,代表着100人的财产都是1000元钱。在这种绝对平均的情况下,基尼系数为0。
跑一下程序,发现结果确实为0。
然后是计算绝对不平均的情况
新建一个“绝对不平均”的txt文档,里面有100行数据,前99列都为0,最后一列是100000,代表着99个人的财产都被第100个人独吞了(那99个人真悲催?) 。在这种绝对不平均的情况下,基尼系数为1。
跑了一下程序,却发现结果是0.99。
呃,有没有大佬告诉一下我比较可靠的原因,现在我已经将原因归到(甩锅)电脑处理浮点数运算本来就不准确这个事实了。
最后我继续模拟了几组乱序的100个不同的数据,发现也能计算出结果,不过也还是不太知道结果的可靠性强不强。
所以如果有更加可靠的验证方法,我会继续更新的(应该吧,咕咕咕)。
发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/182612.html原文链接:https://javaforall.cn
【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛
【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...