基尼系数python代码

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

def calculate_average(input_list):
    # 在列表开头添加0
    new_list = np.insert(input_list, 0, 0)

    # 使用向量化操作对新列表中相邻的元素进行平均计算
    result_list = (new_list[:-1] + new_list[1:]) / 2

    return result_list

def calculate_gini(input_list):
    # 对输入数据进行排序，并计算累积和，并进行归一化
    input_list = np.cumsum(sorted(input_list)) / np.float64(np.sum(input_list))

    # 调用calculate_average函数，计算累积和数组相邻元素的平均值
    result = calculate_average(input_list)

    # 计算a1，即平均值的平均值
    a1 = np.sum(result) / len(input_list)

    # 设置常数a2为0.5，计算Gini系数
    a2 = 0.5
    gini = (a2 - a1) / a2

    return input_list, gini

# 测试示例
input_list = np.array([6000, 1000, 2000, 3000, 4000, 5000])
input_list_2, gini = calculate_gini(input_list)

input_list_2 = np.insert(input_list_2, 0, 0)
# 对 x 轴和 y 轴进行归一化
normalized_x = np.linspace(0, 1, len(input_list_2))
normalized_y = input_list_2

# 绘制基尼系数曲线
df = pd.DataFrame({'x': normalized_x, 'y': normalized_y})
ax = df.plot(x='x', y='y', legend=False)

# 绘制对角线
plt.plot([0, 1], [0, 1], color='red', linestyle='--')

# 标记两个面积
plt.fill_between(df['x'], df['y'], color='lightblue', alpha=0.5)
plt.fill_between(df['x'], df['y'], df['x'], color='lightcoral', alpha=0.5)

# 设置图例和标题
plt.legend(["Lorenz Curve", "Diagonal Line", "Area A", "Area B"])
plt.title(f"Gini Coefficient = {gini:.3f}")

# 显示图形
plt.show()