numpy 均值 方差,python numpy计算方差

  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。

留言与评论(共有 条评论)
   
验证码: