«آمار» موضوعی بزرگ و پیچیده است که جنبههای گوناگونی دارد.
به برخی از این جنبهها در مفهوم Randomness پرداخته شده است که موضوعی جدا اما مرتبط است.
در سادهترین حالت، آمار میتواند شامل روشهایی برای خلاصه کردن مجموعهای قابلپیمایش از دادهها در قالب یک مقدار واحد باشد. تازهواردان به Julia ممکن است تعجب کنند که چه تعداد کمی تابع بهطور پیشفرض در این زبان تعبیه شده است:
sum، برای جمع زدن اعداد.min و max، برای بهدست آوردن مقادیر حدی پارامترهای دادهشده.extrema، برای بهدست آوردن چندتایی (min, max) یک مجموعهی قابلپیمایش.length، برای شمارش همهی مقادیر.count، برای شمارش تنها مقادیری که معیاری را برآورده میکنند.julia> v = collect(1:0.2:3)
11-element Vector{Float64}:
1.0
1.2
... # display truncated
3.0
julia> mean(v)
2.0
julia> extrema(v)
(1.0, 3.0)
julia> length(v)
11
julia> min('g', 'a', 'c')
'a': ASCII/Unicode U+0061 (category Ll: Letter, lowercase)
julia> count(isodd, 1:5) # 1, 3, and 5 are odd
3
این مجموعهی محدود از توابع، تصمیمی آگاهانه برای کم نگه داشتن حجم Julia پایه است؛ توابع دیگر به زنجیرهای از ماژولها و بستههای دیگر منتقل شدهاند.
Statistics
چون بخشی از کتابخانهی استاندارد است، احتمالاً Statistics از پیش نصب شده است؛ پس فقط کافی است using Statistics را به ابتدای برنامه اضافه کنید تا به فضای نام آورده شود.
این ماژول شامل ردهی بعدی توابع پرکاربرد است که احتمالاً گروهی از برنامهنویسان از آنها بهطور گسترده استفاده میکنند.
بسیاری از توابع Statistics پیشزمینهای از این موضوع را فرض میگیرند.
سادهترین نمونهها عبارتاند از:
mean، که بسیاری آن را میانگین مینامند (همان نتیجهی sum / length).median، مقدار میانی پس از مرتبسازی.std، انحراف معیار: معیاری از میزان پراکندگی مقادیر.var، واریانس: مربع std که معمولاً سریعتر محاسبه میشود.هر تابع معمولاً گزینههای گوناگونی دارد و توابع بسیار بیشتری هم وجود دارد؛ پس اگر علاقهمند هستید، مستندات را ببینید.
همانطور که انتظار دارید، آمار کاربرد گستردهای در Julia دارد و بستههای زیادی برای پشتیبانی از کارهای تخصصیتر موجود است.
گروه JuliaStats به شکلی مفید یک فهرست آنلاین را نگهداری میکند.