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：

（从文件读取数据到数组）https://blog.csdn.net/gaochen1412771148/article/details/94886847?utm_medium=distribute.pc_aggpage_search_result.none-task-blog-2~all~first_rank_v2~rank_v25-9-94886847.nonecase

（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）。