快捷導(dǎo)航

利用python計(jì)算均值、方差和標(biāo)準(zhǔn)差(Numpy和Pandas)

更新時(shí)間：2023年11月13日 11:06:16 作者：Python老猿

這篇文章主要給大家介紹了關(guān)于利用python計(jì)算均值、方差和標(biāo)準(zhǔn)差的相關(guān)資料,Numpy在Python中是一個(gè)通用的數(shù)組處理包,它提供了一個(gè)高性能的多維數(shù)組對(duì)象和用于處理這些數(shù)組的工具,它是使用Python進(jìn)行科學(xué)計(jì)算的基礎(chǔ)包,需要的朋友可以參考下

1. Numpy 計(jì)算均值、方差、標(biāo)準(zhǔn)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 方法不僅能求得簡(jiǎn)單平均數(shù)，也可以求出加權(quán)平均數(shù)。average 里面可以跟一個(gè) weights 參數(shù)，里面是一個(gè)權(quán)數(shù)的數(shù)組，例如：

>>> np.average(a)
	>>> 9.0
	>>> np.average(a, weights = [1, 2, 1, 1])
	>>> 8.4

計(jì)算方差時(shí)，可以利用 numpy 中的 var 函數(shù)，默認(rèn)是總體方差（計(jì)算時(shí)除以樣本數(shù) N），若需要得到樣本方差（計(jì)算時(shí)除以 N - 1），需要跟參數(shù) ddo f= 1，例如

>>> import pnumpy as np
	>>> a = [5, 6, 16, 9]
	>>> np.var(a) # 計(jì)算總體方差
	18.5
	>>> np.var(a, ddof = 1) # 計(jì)算樣本方差
	24.666666666666668
	>>> b = [[4, 5], [6, 7]]
	>>> b
	[[4, 5], [6, 7]]
	>>> np.var(b) # 計(jì)算矩陣所有元素的方差
	1.25
	>>> np.var(b, axis = 0) # 計(jì)算矩陣每一列的方差
	array([1., 1.])
	>>> np.var(b, axis = 1) # 計(jì)算矩陣每一行的方差
	array([0.25, 0.25])

計(jì)算標(biāo)準(zhǔn)差時(shí)，可以利用 numpy 中的 std 函數(shù)，使用方法與 var 函數(shù)很像，默認(rèn)是總體標(biāo)準(zhǔn)差，若需要得到樣本標(biāo)準(zhǔn)差，需要跟參數(shù) ddof =1，

>>> import pnumpy as np
	>>> a = [5, 6, 16, 9]
	>>> np.std(a) # 計(jì)算總體標(biāo)準(zhǔn)差
	4.301162633521313
	>>> np.std(a, ddof = 1 ) # 計(jì)算樣本標(biāo)準(zhǔn)差
	4.96655480858378
	>>> np.std(b) # 計(jì)算矩陣所有元素的標(biāo)準(zhǔn)差
	1.118033988749895
	>>> np.std(b, axis = 0) # 計(jì)算矩陣每一列的標(biāo)準(zhǔn)差
	array([1., 1.])
	>>> np.std(b, axis = 1) # 計(jì)算矩陣每一列的標(biāo)準(zhǔn)差
	array([0.5, 0.5])

2. Pandas 計(jì)算均值、方差、標(biāo)準(zhǔn)差

對(duì)于 pandas ，也可以用里面的 mean 函數(shù)可以求得所有行或所有列的平均數(shù)，例如：

>>> import pandas as pd
	>>> df = pd.DataFrame(np.array([[85, 68, 90], [82, 63, 88], [84, 90, 78]]), columns=['統(tǒng)計(jì)學(xué)', '高數(shù)', '英語'], index=['張三', '李四', '王五'])
	>>> df
	    統(tǒng)計(jì)學(xué)  高數(shù)  英語
	張三   85  68  90
	李四   82  63  88
	王五   84  90  78
	>>> df.mean() # 顯示每一列的平均數(shù)
	統(tǒng)計(jì)學(xué)    83.666667
	高數(shù)     73.666667
	英語     85.333333
	dtype: float64
	>>> df.mean(axis = 1) # 顯示每一行的平均數(shù)
	張三    81.000000
	李四    77.666667
	王五    84.000000
	dtype: float64

若要得到某一行或某一列的平均值，則可以使用 iloc 選取改行或該列數(shù)據(jù)，后面跟 mean 函數(shù)就能得到，例如：

>>> df
	    統(tǒng)計(jì)學(xué)  高數(shù)  英語
	張三   85  68  90
	李四   82  63  88
	王五   84  90  78
	>>> df.iloc[0, :].mean()  # 得到第 1 行的平均值
	81.0
	>>> df.iloc[:, 2].mean() # 得到第 3 列的平均值
	85.33333333333333

pandas 中的 var 函數(shù)可以得到樣本方差（注意不是總體方差），std 函數(shù)可以得到樣本標(biāo)準(zhǔn)差，若要得到某一行或某一列的方差，則也可用 iloc 選取某行或某列，后面再跟 var 函數(shù)或 std 函數(shù)即可，例如：

>>> df.var() # 顯示每一列的方差
	統(tǒng)計(jì)學(xué)      2.333333
	高數(shù)     206.333333
	英語      41.333333
	dtype: float64
	>>> df.var(axis = 1) # 顯示每一行的方差
	張三    133.000000
	李四    170.333333
	王五     36.000000
	dtype: float64
	>>> df.std() # 顯示每一列的標(biāo)準(zhǔn)差
	統(tǒng)計(jì)學(xué)     1.527525
	高數(shù)     14.364308
	英語      6.429101
	dtype: float64
	>>> df.std(axis = 1) # 顯示每一行的標(biāo)準(zhǔn)差
	張三    11.532563
	李四    13.051181
	王五     6.000000
	dtype: float64
	>>> df.iloc[0, :].std() # 顯示第 1 行的標(biāo)準(zhǔn)差
	11.532562594670797
	>>> df.iloc[:, 2].std() # 顯示第 3 列的標(biāo)準(zhǔn)差
	6.429100507328636

總結(jié)

到此這篇關(guān)于利用python計(jì)算均值、方差和標(biāo)準(zhǔn)差的文章就介紹到這了,更多相關(guān)python計(jì)算均值方差和標(biāo)準(zhǔn)差內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: