使用NumPy在Python中计算平均数、方差和标准差
Numpy 在Python中是一个通用的阵列处理包。它提供了一个高性能的多维数组对象和处理这些数组的工具。它是用Python进行科学计算的基本软件包。Numpy提供了非常简单的方法来计算平均值、方差和标准差。
平均数
平均值 一个表示一组数据中的中心值或典型值的数字,特别是模式、中位数或(最常见的)平均值,其计算方法是将这组数据中的数值之和除以其数量。n个数字x 1 , x 2 , ……x n的平均值的基本公式是
示例:
假设有8个数据点。
这8个数据点的平均值为。
在Python中使用Numpy进行平均。
人们可以通过使用python中的numpy.average()函数来计算平均值。
语法:
参数:
a: 包含要平均化的数据的数组
axis:一个或多个轴,沿着这些轴进行平均a。
weights: 一个与a中的值相关的权重数组
返回:默认为False。如果True,将返回元组,否则只返回平均数。
示例 1:
输出:
示例 2:
输出:
方差
方差是所有数字和平均值之间差异的平方之和。方差的数学公式如下。
其中,
?是平均值。
N是元素的总数或分布的频率。
示例:
让我们考虑一下我们在平均数中抽取的同一个数据集。首先,计算每个数据点与平均值的偏差,并将每个数据点的结果平方。
在Python中使用Numpy的差异性
人们可以通过使用python中的numpy.var()函数来计算方差。
语法:
参数:
a: 包含要平均化的数据的数组
axis:轴或轴,沿此轴进行平均a。
dtype: 计算方差时使用的类型。
out:备用输出数组,用于放置结果。
ddof:三角自由度
keepdims: 如果设置为 “True”,被减少的轴将作为尺寸为1的维度留在结果中。
示例 1:
输出:
示例 2:
输出:
标准差
标准偏差是方差的平方根。它是衡量数据与平均值的差异程度。计算标准偏差的数学公式如下。
示例:
上述数据的标准偏差。
使用Numpy的Python标准偏差。
人们可以通过使用python中的numpy.std()函数来计算标准差。
语法:
参数:
a: 包含要平均化的数据的数组
axis:轴或轴,沿此轴进行平均a。
dtype: 计算方差时使用的类型。
out:备用输出数组,用于放置结果。
ddof:三角自由度
keepdims: 如果设置为 “True”,被减少的轴将作为尺寸为1的维度留在结果中。
示例 1:
输出:
示例 2:
输出: