Python是目前非常流行的一種編程語言，適用于各種領域的應用，包括數據分析、機器學習等。在數據分析領域中，樣本離散率是非常重要的一個指標，可以衡量數據的離散程度。

# 樣本離散率的計算公式如下
import numpy as np
def sample_variance(data):
n = len(data)
mean = sum(data) / n
deviations = [(x - mean) ** 2 for x in data]
variance = sum(deviations) / (n - 1)
return variance
def sample_std_deviation(data):
variance = sample_variance(data)
return variance ** 0.5
def sample_dispersal(data):
variance = sample_variance(data)
mean = np.mean(data)
dispersal = variance / mean
return dispersal
# 使用樣例測試代碼
data = [3, 4, 5, 6, 7, 8, 9]
print("樣本數據: ", data)
print("樣本離散率: ", sample_dispersal(data))

上面的代碼中，我們通過導入NumPy庫，實現了樣本離散率的計算。在定義函數時，我們首先計算了數據的樣本方差和標準差，然后根據離散率計算公式，計算了離散率。

最后，我們使用樣例測試數據來測試代碼的正確性。上面的代碼將輸出樣本數據和樣本離散率，輸出結果為：

樣本數據: [3, 4, 5, 6, 7, 8, 9]
樣本離散率: 0.23214285714285715

樣本離散率越小，表示樣本數據的離散程度越小，數據分布越集中。如果樣本離散率較大，則表示樣本數據的離散程度較大，數據分布比較分散。因此，樣本離散率可以用于研究數據的分布情況，為數據分析提供重要參考。