用Python实现基尼系数的计算 | 您所在的位置:网站首页 › numpy求指数 › 用Python实现基尼系数的计算 |
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。 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)。 |
CopyRight 2018-2019 实验室设备网 版权所有 |