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