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 中的 numpy 包 和 pandas 包都能够计算均值、方差等,本文总结一下它们的用法。
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 ...
最新文章
- Python爬虫之reuqests实现简单网页采集--网页采集教程
- 解决Eclipse狂吃内存的解决方法(转)
- LeetCode 410——分割数组的最大值
- adf开发_ADF:动态视图对象
- Net框架下-ORM框架LLBLGen的简介(转载)
- vue-resource插件使用
- 敏捷开发绩效管理之六:敏捷开发生产率(中)(功能点分析,FPA,简化的功能点)...
- expect实现自动通过堡垒机登陆
- C语言基础犄角旮旯的知识之数据类型
- 弹出登录框 您未被授权查看该页 的解决办法
- MLAPP————第五章 贝叶斯统计
- 外卖联盟高级接口 - 美团联盟接口 美团外卖CPS+CPA推广活动推广API接口
- POJ 1273 Dinic
- jqgrid 加载mysql数据_利用jqgrid+加mysql的text类型实现简单自定义数据模型
- 新东方托福词汇(List 36 ~ List 40)
- react-native map函数遍历数据及其布局
- java 调整图片分辨率_java 改变图片的分辨率。。。可以吗?
- 【详细搭建教程】在线客服系统源码3.0防黑版,即时聊天通讯源码 带机器人,防注入 无后门
- deepin终端编译c程序_Deepin系统安装软件总结:通过商店、二进制包、deb包、终端命令安装...
- 股票代码是什么意思?
热门文章
- 祝贺父亲节快乐的python代码_祝福父亲节快乐的句子50句
- 华为首度公开披露员工薪酬:去年平均年薪近28万
- 微信公众号——分享给朋友/分享至朋友圈(Vue)
- 探索性因子分析和验证性因子分析有什么区别?
- 图层蒙版和图层剪贴路径_PS蒙版使用教程、快速蒙版、剪切蒙版、矢量蒙版、图层蒙版要点...
- 肿瘤全外显子--记录
- 用js两张图片合并成一张图片
- 动态ip和静态ip的区别
- android 服务自动运行怎么办,Android服务开机自动运行
- origin数据平滑_Origin平滑曲线怎么设置?平滑曲线处理方法讲解