Repository navigation
Module_Statistics_Basic_zh
cyclone_dll edited this page Jul 6, 2026
·
6 revisions
Vorcyc.Mathematics.Statistics.Basic 是一个提供基本统计函数的类,包括均值、中位数、众数、方差、标准差和变异系数的计算方法。
以下方法均位于类 :Vorcyc.Mathematics.Statistics.Basic
📒目录
- 🔖 Sum 方法
- 🔖 Average 方法
- 🔖 Median 方法
- 🔖 Mode 方法
- 🔖 Variance 方法
- 🔖 StandardDeviation 方法
- 🔖 CoefficientOfVariation 方法
- 🔖 CalculateAllStatistics 方法
Vorcyc.Mathematics.Statistics.Basic 是一个提供基本统计函数的类,包括均值、中位数、众数、方差、标准差和变异系数的计算方法。
-
public static T Sum<T>(this Span<T> values) where T : INumber<T>- 计算一组值中元素的总和,使用 SIMD 进行优化。
- 参数:
-
values: 要计算总和的值的一组值。
-
- 返回值: 一组值中元素的总和。
- 异常:
-
ArgumentException: 当values为空时抛出。
-
-
public static T Sum<T>(this Span<T> values, Func<T, T> selector) where T : INumber<T>- 计算一组值中元素的总和,使用指定的选择器函数进行选择。
- 参数:
-
values: 要计算总和的值的一组值。 -
selector: 用于选择值的函数。
-
- 返回值: 一组值中元素的总和。
- 异常:
-
ArgumentException: 当values为空时抛出。
-
-
public static T Average<T>(this Span<T> values) where T : INumber<T>- 计算一组值中元素的平均值。
- 参数:
-
values: 要计算平均值的值的一组值。
-
- 返回值: 一组值中元素的平均值。
- 异常:
-
ArgumentException: 当values为空时抛出。
-
-
public static T Median<T>(this Span<T> values) where T : INumber<T>- 计算一组值中元素的中位数。
- 参数:
-
values: 要计算中位数的值的一组值。
-
- 返回值: 一组值中元素的中位数。
- 异常:
-
ArgumentException: 当values为空时抛出。
-
-
public static T Mode<T>(this Span<T> values) where T : INumber<T>- 计算一组值中元素的众数。
- 参数:
-
values: 要计算众数的值的一组值。
-
- 返回值: 一组值中出现频率最高的元素。
- 异常:
-
ArgumentException: 当values为空时抛出。
-
-
public static (T average, T variance) Variance<T>(this Span<T> values) where T : INumber<T>- 计算一组值中元素的平均值和方差。
- 参数:
-
values: 要计算平均值和方差的值的一组值。
-
- 返回值: 包含一组值中元素的平均值和方差的元组。
- 异常:
-
ArgumentException: 当values为空时抛出。
-
-
public static T StandardDeviation<T>(this Span<T> values) where T : IFloatingPointIeee754<T>- 计算一组值中元素的标准差。
- 参数:
-
values: 要计算标准差的值的一组值。
-
- 返回值: 一组值中元素的标准差。
- 异常:
-
ArgumentException: 当values为空时抛出。
-
-
public static T CoefficientOfVariation<T>(this Span<T> values) where T : IFloatingPointIeee754<T>- 计算一组值中元素的变异系数。
- 参数:
-
values: 要计算变异系数的值的一组值。
-
- 返回值: 一组值中元素的变异系数。
- 异常:
-
ArgumentException: 当values为空时抛出。
-
-
public static (T Mean, T Median, T Mode, T Variance, T StandardDeviation, T CoefficientOfVariation) CalculateAllStatistics<T>(this Span<T> values) where T : IFloatingPointIeee754<T>- 计算一组值的所有统计值,包括均值、中位数、众数、方差、标准差和变异系数。
- 参数:
-
values: 要计算统计值的一组值。
-
- 返回值: 包含均值、中位数、众数、方差、标准差和变异系数的元组。
- 异常:
-
ArgumentException: 当values为空时抛出。
-
以下是一个使用 Basic 类中多个方法的示例,并在示例中加入了注释:
using System;
using System.Collections.Generic;
using Vorcyc.Mathematics.Statistics;
using static System.Runtime.InteropServices.JavaScript.JSType;
public class BasicStatisticsExample
{
public static void Main()
{
// 定义数据集
Span<double> data = new double[] { 1.0, 2.0, 2.0, 3.0, 4.0, 5.0 };
// 计算总和
double sum = data.Sum();
Console.WriteLine("Sum: " + sum);
// 计算平均值
double average = data.Average();
Console.WriteLine("Average: " + average);
// 计算中位数
double median = data.Median();
Console.WriteLine("Median: " + median);
// 计算众数
double mode = data.Mode();
Console.WriteLine("Mode: " + mode);
// 计算方差
var (mean, variance) = data.Variance();
Console.WriteLine("Variance: " + variance);
// 计算标准差
double standardDeviation = data.StandardDeviation();
Console.WriteLine("Standard Deviation: " + standardDeviation);
// 计算变异系数
double coefficientOfVariation = data.CoefficientOfVariation();
Console.WriteLine("Coefficient of Variation: " + coefficientOfVariation);
// 计算所有统计值
var (meanAll, medianAll, modeAll, varianceAll, standardDeviationAll, coefficientOfVariationAll) = data.CalculateAllStatistics();
Console.WriteLine($"Mean: {meanAll}, Median: {medianAll}, Mode: {modeAll}, Variance: {varianceAll}, Standard Deviation: {standardDeviationAll}, Coefficient of Variation: {coefficientOfVariationAll}");
}
}-
- 🔖 ArrayExtension class
- 🔖 BaseConverter class
- 🔖 BitMathExtension class
- 🔖 Combinatorics class
- 🔖 ConstantsFp32 class
- 🔖 NumberMapper class
- 🔖 PinnableArray<T> class
- 🔖 SimpleRNG_Fp32 and SimpleRNG_Fp64 classes
- 🔖 TrigonometryHelper class
- 🔖 VMath class
- 🔖 Pinned buffers (Buffers)
- 🔖 IPinnedBuffer<T> interface
- 🔖 POHBuffer<T> class
- 🔖 NativeBuffer<T> class
-
- 🔖 0.9 classifier walkthrough
- 🔖 KNN<T> class
- 🔖 MultipleLinearRegression<T> class
- 🔖 SimpleLinearRegression<T> class
- 🔖 SupportVectorMachine<TSelf> class
- 🔖 DBSCAN<T> class
- 🔖 ExpectationMaximization<T> class
- 🔖 GMM<T> class
- 🔖 HierarchicalClustering<T> class
- 🔖 KMeansClusterer<T> class
- 🔖 VectorQuantization<T> class
- 🔖 FactorAnalysis<T> class
- 🔖 PCA<TSelf> class
- 🔖 TSNE<T> class
- 🔖 Distance metric classes
-
📒 Examples
-
📒 GPU 策略说明
- 🔖 为何放弃主包 GPU
- 🔖 当前性能路径
- 🔖 若仍需要更强算力
-
📒 计算上下文模块
-
📒 核心模块
-
📒 深度学习模块
-
📒 线性代数模块
-
📒 机器学习模块
- 🔖 0.9 分类器完整示例
- 🔖 KNN<T> 类
- 🔖 MultipleLinearRegression<T> 类
- 🔖 SimpleLinearRegression<T> 类
- 🔖 SupportVectorMachine<TSelf> 类
- 🔖 DBSCAN<T> 类
- 🔖 ExpectationMaximization<T> 类
- 🔖 GMM<T> 类
- 🔖 HierarchicalClustering<T> 类
- 🔖 KMeansClusterer<T> 类
- 🔖 VectorQuantization<T> 类
- 🔖 FactorAnalysis<T> 类
- 🔖 PCA<TSelf> 类
- 🔖 TSNE<T> 类
- 🔖 距离度量类
-
📒 信号处理模块
-
📒 数值模块
-
📒 统计模块
- 🔖 基础统计函数
- 🔖 高级统计函数
- 🔖 稳健统计 / RunningMoments
- 🔖 其它统计函数
- 🔖 分布相关函数
- 🔖 时间序列分析
- 🔖 IComparable 扩展
- 🔖 ExtremeValueFinder
- 🔖 INumber 扩展
-
📒 FFTW 扩展
-
📒 示例