全球收入：离散程度

"分位数"（quantile）是一种度量离散程度的方法，它将 DataFrame 的频数分布划分为若干等份。对于 DataFrame df，可以用 df.quantile(q) 返回给定分位数 q 对应的取值；同样地，若将列表作为 q 传入，则会返回列表中每个分位数对应的取值。

在这里，您将继续用两种离散程度指标分析全球收入分布：标准差（即方差的平方根）和四分位距（IQR）。

pandas 已以 pd 导入，且上一练习中的 income DataFrame 已在您的工作区中。

本练习是课程的一部分

在 Python 中导入与管理金融数据

查看课程

练习说明

使用合适的函数，计算人均收入的均值为 mean，标准差为 std。
在不使用 .quantile() 的情况下，计算并打印围绕均值一个标准差区间的上下界，存入列表 bounds：
- 第 1 个元素为 mean 减去 std
- 第 2 个元素为 mean 加上 std
使用 .quantile() 并传入包含两个合适小数值的列表，计算并打印 'Income per Capita' 的第 1 和第 3 四分位数，存为 quantiles。这些值是否一致？
使用您在视频中学到的简单减法表达式，计算并打印四分位距 IQR（iqr）。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# Calculate mean
mean = ____

# Calculate standard deviation
std = income['Income per Capita'].std()

# Calculate and print lower and upper bounds
bounds = [____, ____]
print(bounds)

# Calculate and print first and third quartiles
quantiles = income['Income per Capita'].____([____, ____])
print(quantiles)

# Calculate and print IQR
iqr = ____ - ____
print(iqr)

编辑并运行代码