numpy 均值 方差,python numpy计算方差
Numpy自带一些函数接口，可以用来方便地计算一组数据的均值、方差和标准差。
平均(均值)
a=np.array([1，2，3，4，5，6，7，8，9])
平均值
5.0
除了np.mean函数之外，还有np.average函数可用于计算平均值。当不同时，np.average函数可以采用权重参数：
np .平均(a)
5.0
np.average(a，权重=(1，1，1，1，1，1，1，1，1))
5.0
np.average(a，权重=(1，1，1，1，1，1，6，1))
6.071428571428571
均值函数具有可使用的轴参数：
a
数组([[ 0，1，2，3，4]，
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
a .形状
(4, 5)
np.mean(a，轴=0)
数组([ 7.5，8.5，9.5，10.5，11.5])
np.mean(a，轴=0)。形状
(5,)
np.mean(a，轴=1)
数组([ 2。 7. 12. 17.])
np.mean(a，轴=1)。形状
(4,)
np.mean(a，轴=(0，1))
9.5
平均值
9.5
方差(方差)
NP var(a)
6.666666666666667
np.var(a，ddof=1)
7.5
np.var函数计算方差。请注意ddof参数。默认情况下，np.var函数计算方差时，除以n=len(a)，ddof=0。我们都知道用样本方差估计总体方差的公式是除以n-1，当ddof=1时。
以下是自己算的方差，给使用np.var的信心：
tss=0
对于范围内的I(len(a)):
.tss=(a[i]-np.mean(a))**2
.
tss
60.0
tss/(len(a)-1)
7.5
tss/(len(a))
6.666666666666667
标准偏差(标准差)
np.sqrt
2.581988897471611
np.sqrt(np.var(a))**2
6.666666666666666
np.sqrt(np.var(a，ddof=1))
2.7386127875258306
np.sqrt(np.var(a，ddof=1))**2
7.5
函数np.sqrt用来开根号！
除了np.sqrt，还有一个特殊的std函数来计算标准方差：
a
数组([[ 0，1，2，3，4]，
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19]])
np.std(a)
5.766281297335398
np.sqrt
5.766281297335398
np.std(a，ddof=1)
5.916079783099616
np.sqrt(np.var(a，ddof=1))
5.916079783099616
np .标准
- EOF -
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。