python计算均值、方差、标准差Numpy,Pandas |
您所在的位置:网站首页 › 求方差python › python计算均值、方差、标准差Numpy,Pandas |
python 计算均值、⽅差、标准差 Numpy , Pandas 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 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |