1. Numpy 计算均值、方差、标准差

一般的均值可以用 numpy 中的 mean 方法求得：

>>> import numpy as np
>>> a = [5, 6, 16, 9]
>>> np.mean(a)
9.0

numpy 中的 average 方法不仅能求得简单平均数，也可以求出加权平均数。average 里面可以跟一个 weights 参数，里面是一个权数的数组，例如：

>>> np.average(a)
>>> 9.0
>>> np.average(a, weights = [1, 2, 1, 1])
>>> 8.4

计算方差时，可以利用 numpy 中的 var 函数，默认是总体方差（计算时除以样本数 N），若需要得到样本方差（计算时除以 N - 1），需要跟参数 ddo f= 1，例如

>>> import pnumpy as np
>>> a = [5, 6, 16, 9]
>>> np.var(a) # 计算总体方差
18.5>>> np.var(a, ddof = 1) # 计算样本方差
24.666666666666668>>> b = [[4, 5], [6, 7]]
>>> b
[[4, 5], [6, 7]]>>> np.var(b) # 计算矩阵所有元素的方差
1.25>>> np.var(b, axis = 0) # 计算矩阵每一列的方差
array([1., 1.])>>> np.var(b, axis = 1) # 计算矩阵每一行的方差
array([0.25, 0.25])

计算标准差时，可以利用 numpy 中的 std 函数，使用方法与 var 函数很像，默认是总体标准差，若需要得到样本标准差，需要跟参数 ddof =1，

>>> import pnumpy as np
>>> a = [5, 6, 16, 9]
>>> np.std(a) # 计算总体标准差
4.301162633521313>>> np.std(a, ddof = 1 ) # 计算样本标准差
4.96655480858378>>> np.std(b) # 计算矩阵所有元素的标准差
1.118033988749895>>> np.std(b, axis = 0) # 计算矩阵每一列的标准差
array([1., 1.])>>> np.std(b, axis = 1) # 计算矩阵每一列的标准差
array([0.5, 0.5])

2. Pandas 计算均值、方差、标准差

对于 pandas ，也可以用里面的 mean 函数可以求得所有行或所有列的平均数，例如：

>>> import pandas as pd
>>> df = pd.DataFrame(np.array([[85, 68, 90], [82, 63, 88], [84, 90, 78]]), columns=['统计学', '高数', '英语'], index=['张三', '李四', '王五'])
>>> df
统计学  高数  英语
张三   85  68  90
李四   82  63  88
王五   84  90  78>>> df.mean() # 显示每一列的平均数统计学    83.666667
高数     73.666667
英语     85.333333
dtype: float64>>> df.mean(axis = 1) # 显示每一行的平均数
张三    81.000000
李四    77.666667
王五    84.000000
dtype: float64

若要得到某一行或某一列的平均值，则可以使用 iloc 选取改行或该列数据，后面跟 mean 函数就能得到，例如：

>>> df统计学  高数  英语
张三   85  68  90
李四   82  63  88
王五   84  90  78>>> df.iloc[0, :].mean()  # 得到第 1 行的平均值
81.0>>> df.iloc[:, 2].mean() # 得到第 3 列的平均值
85.33333333333333

pandas 中的 var 函数可以得到样本方差（注意不是总体方差），std 函数可以得到样本标准差，若要得到某一行或某一列的方差，则也可用 iloc 选取某行或某列，后面再跟 var 函数或 std 函数即可，例如：

>>> df.var() # 显示每一列的方差
统计学      2.333333
高数     206.333333
英语      41.333333
dtype: float64>>> df.var(axis = 1) # 显示每一行的方差
张三    133.000000
李四    170.333333
王五     36.000000
dtype: float64>>> df.std() # 显示每一列的标准差
统计学     1.527525
高数     14.364308
英语      6.429101
dtype: float64>>> df.std(axis = 1) # 显示每一行的标准差
张三    11.532563
李四    13.051181
王五     6.000000
dtype: float64>>> df.iloc[0, :].std() # 显示第 1 行的标准差
11.532562594670797>>> df.iloc[:, 2].std() # 显示第 3 列的标准差
6.429100507328636

python 计算均值、方差、标准差 Numpy，Pandas相关推荐

python计算均值方差模型_如何从Python中的FIGARCH模型中得到条件均值和标准差？...
大家好,谢谢收看我的节目.你知道吗此链接指定参数:class arch.univariate.FIGARCH(p=1, q=1, power=2.0, truncation=1000) 参数: p( ...
Python 数据处理与分析（六）设计一个高回报的投资组合（投资回报和风险分析）任务 5：使用Python实现均值-方差组合模型
目录 1. 学习目标 2. 操作讲解 3.作业结果 1..作业1 2.作业2 1. 学习目标使用 Python 实现不同的投资配比使用 Python 实现均值-方差模型 2. 操作讲解通过上一个 ...
MATLAB的var与std函数与均值,方差,标准差,均方差,均分误差
从定义上来讲,(样本)均值,方差,标准差,均方差,均分误差分别为: 均值: 方差: 标准差: 均方差=标准差均方误差: matlab中的var函数和std函数用来计算方差 var函数计算使用的公式为 ...
linux 计算标准差,shell计算均值和标准差的工具：datamash
前言 shell下经常需要处理数据,需要计算均值和标准差,最近在分析EXT4的r_await的分布情况,需要计算下在一定的读写模式下,块设备的读延迟分布. 这已不是第一次有类似的需求了,每次都要awk ...
【问题记录】均值-方差-标准差计算器（已解决）
问题记录在Freecodecamp上做[均值-方差-标准差计算器]这个项目时,测试时出现如下报错:unsupported operand type(s) for -: 'dict' and 'di ...
R语言用户自定义函数的语法结构、编写自定义统计值计算函数（使用ifelse结构计算均值和标准差等）、编写自定义日期格式化（format）函数（switch函数使用不同分枝格式化日期数据）、应用自定函数
R语言用户自定义函数的语法结构.编写自定义统计值计算函数(使用ifelse结构计算均值和标准差等).编写自定义日期格式化(format)函数(switch函数使用不同分枝格式化日期数据).应用自定函数 ...
python方差的计算公式_python计算均值方差
原博文 2014-06-07 14:13 − 用Python求均值与方差,可以自己写,也可以借助于numpy,不过到底哪个快一点呢? 我做了个实验,首先生成9百万个样本: ```python nlis ...
python算方差_python计算均值方差
用Python求均值与方差,可以自己写,也可以借助于numpy,不过到底哪个快一点呢? 我做了个实验,首先生成9百万个样本: nlist=range(0,9000000) nlist=[float(i ...
python计算图解_图解NumPy，看这一篇就够了！
晓查编译整理量子位报道 | 公众号 QbitAI NumPy是Python的最重要的扩展程序库之一,也是入门机器学习编程的必备工具.然而对初学者来说,NumPy的大量运算方法非常难记. 最近,国 ...
数据分析之python数据计算方法汇总(math|numpy|pandas)
数据分析之python数据计算方法上篇(math|numpy)_Backup and share的博客-CSDN博客本文重点介绍pandas,math和numpy参见上篇> 目录一.简介与创 ...

python 计算均值、方差、标准差 Numpy，Pandas

文章目录

1. Numpy 计算均值、方差、标准差

2. Pandas 计算均值、方差、标准差

python 计算均值、方差、标准差 Numpy，Pandas相关推荐

最新文章

热门文章