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。