MATLAB 数组加权平均值计算方法与程序示例 - 轻松实现数据分析

{"title":"MATLAB 数组加权平均值计算方法与程序示例 - 轻松实现数据分析","description":"本文介绍了使用MATLAB计算数组加权平均值的方法，并提供完整的程序代码。该方法将数据范围划分为多个小块，计算每个小块的数据比例，并进行加权计算。附带代码示例，帮助你轻松实现数据分析。","keywords":"MATLAB, 加权平均值, 数组, 数据分析, 程序代码, 权重, 小块, 数据比例, 代码示例","content":"function weightedAverage = calculateWeightedAverage(data, numBins)\n% data: 输入的数组\n% numBins: 将最小值到最大值的区间划分为多少个小块\n\n% 计算数据的最小值和最大值\nminValue = min(data);\nmaxValue = max(data);\n\n% 计算每个小块的宽度\nbinWeight = (maxValue - minValue) / numBins;\n\n% 初始化小块计数器和加权计数器\nbinWeightCounts = zeros(1, numBins);\nweightedCounts = zeros(1, numBins);\n\n% 计算每个数据所在的小块索引\nbinWeightIndices = ceil((data - minValue) / binWidth);\n\n% 统计数据落在每个小块的数量\nfor i = 1:length(data)\n binCounts(binIndices(i)) = binCounts(binIndices(i)) + 1;\nend\n\n% 计算每个小块的权重\nweights = binCounts / length(data);\n\n% 计算加权平均值\nweightedAverage = sum(data .* weights);\n\nend\n\n使用示例：\nmatlab\n% 生成一组随机数据\ndata = rand(1, 1000) * 100;\n\n% 计算加权平均值，将数据划分为10个小块\nweightedAverage = calculateWeightedAverage(data, 10);\n\ndisp("加权平均值为：" + weightedAverage);\n\n希望对你有帮助！"}