Average แปลว่าอะไร —

Average

Average ค่าเฉลี่ย Mean Median Mode Weighted Geometric Harmonic Moving Average สถิติ การเงิน Python numpy pandas

Calculation Code

# === Average Calculations in Python ===



import numpy as np

from dataclasses import dataclass



# Sample Data

data = [85, 90, 78, 92, 88, 76, 95, 82, 91, 87]



# Arithmetic Mean

mean = np.mean(data)

print(f"Arithmetic Mean: {mean:.2f}")



# Median

median = np.median(data)

print(f"Median: {median:.2f}")



# Mode (using collections)

from collections import Counter

mode_count = Counter(data)

mode_val = mode_count.most_common(1)[0]

print(f"Mode: {mode_val[0]} (count: {mode_val[1]})")



# Geometric Mean

geo_mean = np.exp(np.mean(np.log(data)))

print(f"Geometric Mean: {geo_mean:.2f}")



# Harmonic Mean

harmonic = len(data) / np.sum(1.0 / np.array(data))

print(f"Harmonic Mean: {harmonic:.2f}")



# Weighted Average (GPA example)

grades = [4.0, 3.5, 3.0, 4.0, 3.5]

credits = [3, 3, 4, 2, 3]

weighted_avg = np.average(grades, weights=credits)

print(f"Weighted GPA: {weighted_avg:.2f}")



# Moving Average

prices = [100, 102, 101, 103, 105, 104, 106, 108, 107, 109]

window = 3

ma = [np.mean(prices[i:i+window]) for i in range(len(prices)-window+1)]

print(f"\nMoving Average (window={window}):")

for i, v in enumerate(ma):

    print(f"  Period {i+window}: {v:.2f}")



@dataclass

class AverageResult:

    method: str

    value: float

    use_case: str



results = [

    AverageResult("Arithmetic Mean", mean, "คะแนนสอบเฉลี่ย"),

    AverageResult("Median", median, "รายได้เฉลี่ย (มี Outlier)"),

    AverageResult("Geometric Mean", geo_mean, "ผลตอบแทนลงทุนเฉลี่ย"),

    AverageResult("Harmonic Mean", harmonic, "ความเร็วเฉลี่ย"),

    AverageResult("Weighted Avg", weighted_avg, "เกรดเฉลี่ย GPA"),

]



print(f"\n=== Summary ===")

for r in results:

    print(f"  [{r.method}] = {r.value:.2f} | Use: {r.use_case}")

Financial Applications

# === Average in Finance ===



# Moving Average for Trading

# SMA (Simple Moving Average)

def sma(prices, period):

    return [np.mean(prices[i-period+1:i+1]) if i >= period-1 else None

            for i in range(len(prices))]



# EMA (Exponential Moving Average)

def ema(prices, period):

    result = [prices[0]]

    mult = 2 / (period + 1)

    for i in range(1, len(prices)):

        result.append((prices[i] - result[-1]) * mult + result[-1])

    return result



# VWAP (Volume Weighted Average Price)

def vwap(prices, volumes):

    cum_pv = np.cumsum(np.array(prices) * np.array(volumes))

    cum_vol = np.cumsum(volumes)

    return cum_pv / cum_vol



# DCA (Dollar Cost Averaging)

def dca_simulation(monthly_invest, prices):

    total_shares = 0

    total_invested = 0

    for price in prices:

        shares = monthly_invest / price

        total_shares += shares

        total_invested += monthly_invest

    avg_cost = total_invested / total_shares

    current_value = total_shares * prices[-1]

    profit = current_value - total_invested

    return avg_cost, total_shares, current_value, profit



# DCA Example

monthly_prices = [100, 95, 90, 85, 92, 98, 105, 110, 108, 115, 120, 118]

avg_cost, shares, value, profit = dca_simulation(10000, monthly_prices)



print("=== DCA Simulation (10,000/month) ===")

print(f"  Months: {len(monthly_prices)}")

print(f"  Total Invested: {10000 * len(monthly_prices):,.0f}")

print(f"  Average Cost: {avg_cost:.2f}")

print(f"  Total Shares: {shares:.2f}")

print(f"  Current Value: {value:,.0f}")

print(f"  Profit/Loss: {profit:,.0f}")

print(f"  Return: {profit/(10000*len(monthly_prices))*100:.1f}%")



@dataclass

class FinAvg:

    concept: str

    avg_type: str

    formula: str

    example: str



fin_avgs = [

    FinAvg("SMA(20)", "Simple Moving Average", "Mean of last 20 closes", "Trend filter for trading"),

    FinAvg("EMA(12,26)", "Exponential MA", "Weighted recent prices more", "MACD calculation"),

    FinAvg("VWAP", "Volume Weighted", "Σ(P*V) / ΣV", "Institutional benchmark"),

    FinAvg("DCA", "Dollar Cost Avg", "Fixed amount / price each period", "Long-term investing"),

    FinAvg("Average Down", "Weighted Avg Cost", "(old_cost*old_qty + new_cost*new_qty) / total_qty", "Reduce cost basis"),

    FinAvg("Geometric Return", "Geometric Mean", "((1+r1)*(1+r2)*...)^(1/n) - 1", "True average return"),

]



print(f"\nFinancial Averages:")

for f in fin_avgs:

    print(f"  [{f.concept}] Type: {f.avg_type}")

    print(f"    Formula: {f.formula}")

    print(f"    Use: {f.example}")

Statistics Applications

# === Average in Statistics ===



@dataclass

class StatExample:

    scenario: str

    best_average: str

    reason: str

    wrong_average: str



examples = [

    StatExample("คะแนนสอบนักเรียน 30 คน", "Arithmetic Mean",

        "ข้อมูลกระจายปกติ ไม่มี Outlier มาก", "Geometric Mean ไม่เหมาะ"),

    StatExample("รายได้ประชากรในประเทศ", "Median",

        "มี Outlier (มหาเศรษฐี) Mean จะสูงเกินจริง", "Mean ถูก Outlier ดึง"),

    StatExample("ผลตอบแทนกองทุน 10 ปี", "Geometric Mean",

        "ผลตอบแทนเป็น Compound ต้องใช้ Geometric", "Arithmetic Mean สูงเกินจริง"),

    StatExample("ความเร็วเฉลี่ยไปกลับ", "Harmonic Mean",

        "อัตราส่วนของระยะทาง/เวลา", "Arithmetic Mean ไม่ถูก"),

    StatExample("เกรดเฉลี่ยสะสม", "Weighted Average",

        "แต่ละวิชามีหน่วยกิตต่างกัน", "Simple Mean ไม่คิดน้ำหนัก"),

    StatExample("ยอดขายรายเดือน ดู Trend", "Moving Average",

        "ลด Noise ดู Trend ชัดขึ้น", "Single Mean ไม่เห็น Trend"),

]



print("When to Use Which Average:")

for e in examples:

    print(f"  [{e.scenario}]")

    print(f"    Best: {e.best_average} — {e.reason}")

    print(f"    Avoid: {e.wrong_average}")



# Common Mistakes

mistakes = {

    "ใช้ Mean กับข้อมูลมี Outlier": "ใช้ Median แทน เช่น รายได้ ราคาบ้าน",

    "ใช้ Arithmetic Mean กับ Return": "ใช้ Geometric Mean สำหรับ Compound Return",

    "เฉลี่ย % โดยตรง": "ต้องคิดจากฐานเดียวกัน ใช้ Weighted Average",

    "เปรียบเทียบ Average ไม่ดู Distribution": "ดู Standard Deviation Histogram ด้วย",

    "ใช้ Average เพียงค่าเดียว": "รายงาน Mean + Median + StdDev ครบถ้วน",

}



print(f"\n\nCommon Mistakes:")

for k, v in mistakes.items():

    print(f"  [Mistake]: {k}")

    print(f"  [Fix]: {v}")

เคล็ดลับ

• Outlier: ถ้ามี Outlier ใช้ Median แทน Mean
• Return: ผลตอบแทนลงทุนใช้ Geometric Mean เสมอ
• Weight: ถ้าข้อมูลมีน้ำหนักต่างกัน ใช้ Weighted Average
• Trend: ใช้ Moving Average ดู Trend ของ Time Series
• Report: รายงาน Mean + Median + StdDev ให้ครบ

การนำความรู้ไปประยุกต์ใช้งานจริง

แหล่งเรียนรู้ที่แนะนำ ได้แก่ Official Documentation ที่อัพเดทล่าสุดเสมอ Online Course จาก Coursera Udemy edX ช่อง YouTube คุณภาพทั้งไทยและอังกฤษ และ Community อย่าง Discord Reddit Stack Overflow ที่ช่วยแลกเปลี่ยนประสบการณ์กับนักพัฒนาทั่วโลก

เนื้อหาเกี่ยวข้อง — ทำความเข้าใจ REST API Design Feature Flag Management

สรุป

Average ค่าเฉลี่ย Mean Median Mode Geometric Harmonic Weighted Moving Average สถิติ การเงิน DCA VWAP SMA EMA Python numpy