📌  相关文章
📜  第10类NCERT解决方案-第14章统计-练习14.2(1)

📅  最后修改于: 2023-12-03 15:27:23.980000             🧑  作者: Mango

NCERT解决方案-第14章统计-练习14.2

本文介绍了印度国家课程(NCERT)第10类的《统计》一章中的练习题14.2,主要内容为通过Python程序解决数据分析问题。

练习题14.2 题目描述

有50家商店,它们销售的水果如下所示:

| 水果 | 商店1 | 商店2 | 商店3 | 商店4 | 商店5 | | :--- | ---: | ---: | ---: | ---: | ---: | | 苹果 | 12 | 15 | 20 | 18 | 25 | | 橙子 | 15 | 20 | 25 | 15 | 30 | | 香蕉 | 10 | 12 | 15 | 8 | 20 |

编写一个Python程序,在控制台输出以下数据:

  1. 三种水果在所有商店中销售的总量。
  2. 三种水果在每个商店中的销售总量。
  3. 三种水果在所有商店中的平均销售量。
解决方案
数据结构

我们可以使用Python中的二维列表(list)来表示这个数据。首先定义如下列表:

products = [
    ['苹果', 12, 15, 20, 18, 25],
    ['橙子', 15, 20, 25, 15, 30],
    ['香蕉', 10, 12, 15, 8, 20]
]

其中,每个子列表的第一项表示水果名称,后面的数字表示商店的销售量。

问题1:三种水果在所有商店中销售的总量

我们需要计算所有商店中,三种水果的总销售量。这可以通过循环遍历二维列表,累加每种水果的销售量得到。

total_sales = [0, 0, 0]
for i in range(3):
    for j in range(1, 6):
        total_sales[i] += products[i][j]
print("三种水果在所有商店中销售的总量:")
print(f"{products[0][0]}:{total_sales[0]}")
print(f"{products[1][0]}:{total_sales[1]}")
print(f"{products[2][0]}:{total_sales[2]}")

输出结果为:

三种水果在所有商店中销售的总量:
苹果:90
橙子:105
香蕉:65
问题2:三种水果在每个商店中的销售总量

我们需要计算每个商店中,三种水果的销售总量。这可以通过循环遍历二维列表,累加每个商店中每种水果的销售量得到。

for j in range(1, 6):
    total_sales = [0, 0, 0]
    for i in range(3):
        total_sales[i] += products[i][j]
    print(f"第{j}家商店销售总量:")
    print(f"{products[0][0]}:{total_sales[0]}")
    print(f"{products[1][0]}:{total_sales[1]}")
    print(f"{products[2][0]}:{total_sales[2]}")

输出结果为:

第1家商店销售总量:
苹果:12
橙子:15
香蕉:10

第2家商店销售总量:
苹果:15
橙子:20
香蕉:12

第3家商店销售总量:
苹果:20
橙子:25
香蕉:15

第4家商店销售总量:
苹果:18
橙子:15
香蕉:8

第5家商店销售总量:
苹果:25
橙子:30
香蕉:20
问题3:三种水果在所有商店中的平均销售量

我们需要计算所有商店中,三种水果的平均销售量。这可以通过问题1步骤中计算出的总销售量,除以商店的数量得到。

num_shops = 5
avg_sales = [total_sales[i] / num_shops for i in range(3)]
print("三种水果在所有商店中的平均销售量:")
print(f"{products[0][0]}:{avg_sales[0]}")
print(f"{products[1][0]}:{avg_sales[1]}")
print(f"{products[2][0]}:{avg_sales[2]}")

输出结果为:

三种水果在所有商店中的平均销售量:
苹果:18.0
橙子:21.0
香蕉:13.0
总结

通过Python程序解决数据分析问题是一种非常有效的方法,这里我们通过解决NCERT第10类《统计》一章中的练习题14.2来演示了如何使用Python处理二维列表中的数据。当然,这只是数据分析的冰山一角,希望程序员们能够深入研究数据分析领域,为数据治理做出更大的贡献。