forked from montanaflynn/stats
-
Notifications
You must be signed in to change notification settings - Fork 0
/
examples_test.go
160 lines (123 loc) · 4.68 KB
/
examples_test.go
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
package stats_test
// import (
// "fmt"
// "testing"
// "github.com/montanaflynn/stats"
// )
// func Example() {
// // t.Parallel()
// t.Run("LoadRawData", func(t *testing.T) {
// // t.Parallel()
// data := stats.LoadRawData([]interface{}{1.1, "2", 3})
// fmt.Println(data)
// // Output: 1.1, 2.0, 3.0, 4
// })
// }
// // func Example() {
// // // start with some source data to use
// // data := []float64{1.0, 2.1, 3.2, 4.823, 4.1, 5.8}
// // // you could also use different types like this
// // // data := stats.LoadRawData([]int{1, 2, 3, 4, 5})
// // // data := stats.LoadRawData([]interface{}{1.1, "2", 3})
// // // etc...
// // median, _ := Median(data)
// // fmt.Println(median)
// // // Output: 3.65
// // roundedMedian, _ := Round(median, 0)
// // fmt.Println(roundedMedian)
// // // Output: 4
// // a, _ := Mean([]float64{1, 2, 3, 4, 5})
// // fmt.Println(a)
// // // Output: 3
// // a, _ = Median([]float64{1, 2, 3, 4, 5, 6, 7})
// // fmt.Println(a)
// // // Output: 4
// // m, _ := Mode([]float64{5, 5, 3, 3, 4, 2, 1})
// // fmt.Println(m)
// // // Output: [5 3]
// // a, _ = PopulationVariance([]float64{1, 2, 3, 4, 5})
// // fmt.Println(a)
// // // Output: 2
// // a, _ = SampleVariance([]float64{1, 2, 3, 4, 5})
// // fmt.Println(a)
// // // Output: 2.5
// // a, _ = MedianAbsoluteDeviationPopulation([]float64{1, 2, 3})
// // fmt.Println(a)
// // // Output: 1
// // a, _ = StandardDeviationPopulation([]float64{1, 2, 3})
// // fmt.Println(a)
// // // Output: 0.816496580927726
// // a, _ = StandardDeviationSample([]float64{1, 2, 3})
// // fmt.Println(a)
// // // Output: 1
// // a, _ = Percentile([]float64{1, 2, 3, 4, 5}, 75)
// // fmt.Println(a)
// // // Output: 4
// // a, _ = PercentileNearestRank([]float64{35, 20, 15, 40, 50}, 75)
// // fmt.Println(a)
// // // Output: 40
// // c := []Coordinate{
// // {1, 2.3},
// // {2, 3.3},
// // {3, 3.7},
// // {4, 4.3},
// // {5, 5.3},
// // }
// // r, _ := LinearRegression(c)
// // fmt.Println(r)
// // // Output: [{1 2.3800000000000026} {2 3.0800000000000014} {3 3.7800000000000002} {4 4.479999999999999} {5 5.179999999999998}]
// // r, _ = ExponentialRegression(c)
// // fmt.Println(r)
// // // Output: [{1 2.5150181024736638} {2 3.032084111136781} {3 3.6554544271334493} {4 4.406984298281804} {5 5.313022222665875}]
// // r, _ = LogarithmicRegression(c)
// // fmt.Println(r)
// // // Output: [{1 2.1520822363811702} {2 3.3305559222492214} {3 4.019918836568674} {4 4.509029608117273} {5 4.888413396683663}]
// // s, _ := Sample([]float64{0.1, 0.2, 0.3, 0.4}, 3, false)
// // fmt.Println(s)
// // // Output: [0.2,0.4,0.3]
// // s, _ = Sample([]float64{0.1, 0.2, 0.3, 0.4}, 10, true)
// // fmt.Println(s)
// // // Output: [0.2,0.2,0.4,0.1,0.2,0.4,0.3,0.2,0.2,0.1]
// // q, _ := Quartile([]float64{7, 15, 36, 39, 40, 41})
// // fmt.Println(q)
// // // Output: {15 37.5 40}
// // iqr, _ := InterQuartileRange([]float64{102, 104, 105, 107, 108, 109, 110, 112, 115, 116, 118})
// // fmt.Println(iqr)
// // // Output: 10
// // mh, _ := Midhinge([]float64{1, 3, 4, 4, 6, 6, 6, 6, 7, 7, 7, 8, 8, 9, 9, 10, 11, 12, 13})
// // fmt.Println(mh)
// // // Output: 7.5
// // tr, _ := Trimean([]float64{1, 3, 4, 4, 6, 6, 6, 6, 7, 7, 7, 8, 8, 9, 9, 10, 11, 12, 13})
// // fmt.Println(tr)
// // // Output: 7.25
// // o, _ := QuartileOutliers([]float64{-1000, 1, 3, 4, 4, 6, 6, 6, 6, 7, 8, 15, 18, 100})
// // fmt.Printf("%+v\n", o)
// // // Output: {Mild:[15 18] Extreme:[-1000 100]}
// // gm, _ := GeometricMean([]float64{10, 51.2, 8})
// // fmt.Println(gm)
// // // Output: 15.999999999999991
// // hm, _ := HarmonicMean([]float64{1, 2, 3, 4, 5})
// // fmt.Println(hm)
// // // Output: 2.18978102189781
// // a, _ = Round(2.18978102189781, 3)
// // fmt.Println(a)
// // // Output: 2.189
// // e, _ := ChebyshevDistance([]float64{2, 3, 4, 5, 6, 7, 8}, []float64{8, 7, 6, 5, 4, 3, 2})
// // fmt.Println(e)
// // // Output: 6
// // e, _ = ManhattanDistance([]float64{2, 3, 4, 5, 6, 7, 8}, []float64{8, 7, 6, 5, 4, 3, 2})
// // fmt.Println(e)
// // // Output: 24
// // e, _ = EuclideanDistance([]float64{2, 3, 4, 5, 6, 7, 8}, []float64{8, 7, 6, 5, 4, 3, 2})
// // fmt.Println(e)
// // // Output: 10.583005244258363
// // e, _ = MinkowskiDistance([]float64{2, 3, 4, 5, 6, 7, 8}, []float64{8, 7, 6, 5, 4, 3, 2}, float64(1))
// // fmt.Println(e)
// // // Output: 24
// // e, _ = MinkowskiDistance([]float64{2, 3, 4, 5, 6, 7, 8}, []float64{8, 7, 6, 5, 4, 3, 2}, float64(2))
// // fmt.Println(e)
// // // Output: 10.583005244258363
// // e, _ = MinkowskiDistance([]float64{2, 3, 4, 5, 6, 7, 8}, []float64{8, 7, 6, 5, 4, 3, 2}, float64(99))
// // fmt.Println(e)
// // // Output: 6
// // }