리스트의 표준 편차

리스트의 표준 편차

여러 (Z) 목록의 첫 번째, 두 번째, ... 자리의 평균 및 표준 편차를 찾고 싶습니다.예를 들어, 나는.

A_rank=[0.8,0.4,1.2,3.7,2.6,5.8]
B_rank=[0.1,2.8,3.7,2.6,5,3.4]
C_Rank=[1.2,3.4,0.5,0.1,2.5,6.1]
# etc (up to Z_rank )...

이제 저는 평균과 표준을 측정하고 싶습니다.*_Rank[0]의 평균과 표준*_Rank[1],기타.
(즉, 모든 (A)에서 첫 번째 자리의 평균과 표준._순위 목록;
모든 (A..)에서 두 번째 자리의 평균과 표준._순위 목록;
세 번째 자리의 평균과 표준...등).

Python 3.4 / PEP450 이후 표준 라이브러리에 다음과 같은 반복 가능한 표준 편차를 계산하는 방법이 있습니다.

>>> A_rank = [0.8, 0.4, 1.2, 3.7, 2.6, 5.8]
>>> import statistics
>>> statistics.stdev(A_rank)
2.0634114147853952

나는 말입니다.A_Rank2D NumPy 배열에 등을 추가한 다음 및 를 사용하여 평균과 표준 편차를 계산합니다.

In [17]: import numpy

In [18]: arr = numpy.array([A_rank, B_rank, C_rank])

In [20]: numpy.mean(arr, axis=0)
Out[20]: 
array([ 0.7       ,  2.2       ,  1.8       ,  2.13333333,  3.36666667,
        5.1       ])

In [21]: numpy.std(arr, axis=0)
Out[21]: 
array([ 0.45460606,  1.29614814,  1.37355985,  1.50628314,  1.15566239,
        1.2083046 ])

여기 평균과 표준 편차를 계산하는 데 사용할 수 있는 몇 가지 순수 파이썬 코드가 있습니다.

아래의 모든 코드는 Python 3.4+의 모듈을 기반으로 합니다.

def mean(data):
    """Return the sample arithmetic mean of data."""
    n = len(data)
    if n < 1:
        raise ValueError('mean requires at least one data point')
    return sum(data)/n # in Python 2 use sum(data)/float(n)

def _ss(data):
    """Return sum of square deviations of sequence data."""
    c = mean(data)
    ss = sum((x-c)**2 for x in data)
    return ss

def stddev(data, ddof=0):
    """Calculates the population standard deviation
    by default; specify ddof=1 to compute the sample
    standard deviation."""
    n = len(data)
    if n < 2:
        raise ValueError('variance requires at least two data points')
    ss = _ss(data)
    pvar = ss/(n-ddof)
    return pvar**0.5

참고: summing floats에서 정확도를 향상시키기 위해,statistics모듈이 사용자 지정 기능을 사용합니다._sum붙박이라기보다는sum그 자리에서 사용해 본 적이 있습니다.

예를 들어 다음과 같습니다.

>>> mean([1, 2, 3])
2.0
>>> stddev([1, 2, 3]) # population standard deviation
0.816496580927726
>>> stddev([1, 2, 3], ddof=1) # sample standard deviation
0.1

Python 2.7.1에서는 다음을 사용하여 표준 편차를 계산할 수 있습니다.numpy.std()대상:

• 모집단 std: 그냥 사용numpy.std()데이터 목록 외에 추가 인수가 없습니다.
• 표본 표준:다음 예와 같이 ddof(즉, 델타 자유도)를 1로 설정해야 합니다.

numpy.std(< your-list >, ddof=1)

계산에 사용되는 지수는 N - ddof이며, 여기서 N은 원소의 수를 나타냅니다.기본적으로 ddof는 0입니다.

모집단 표준이 아닌 표본 표준을 계산합니다.

파이썬을 사용하는 몇 가지 방법은 다음과 같습니다.

import statistics as st

n = int(input())
data = list(map(int, input().split()))

접근법 1 - 함수 사용

stdev = st.pstdev(data)

접근법 2: 분산을 계산하고 제곱근을 구합니다.

variance = st.pvariance(data)
devia = math.sqrt(variance)

접근법 3: 기본 수학 사용

mean = sum(data)/n
variance = sum([((x - mean) ** 2) for x in X]) / n
stddev = variance ** 0.5

print("{0:0.1f}".format(stddev))

참고:

• variance표본 모집단의 분산을 계산합니다.
• pvariance전체 모집단의 분산을 계산합니다.
• 사이의 유사한 차이점stdev그리고.pstdev

python 2.7에서는 모집단 표준 편차를 제공하는 NumPy를 사용할 수 있습니다.

Python 3.4에서는 표본 표준 편차를 반환합니다.그pstdv()기능은 다음과 같습니다.numpy.std().

순수 파이썬 코드:

from math import sqrt

def stddev(lst):
    mean = float(sum(lst)) / len(lst)
    return sqrt(float(reduce(lambda x, y: x + y, map(lambda x: (x - mean) ** 2, lst))) / len(lst))

다른 답변은 파이썬에서 stddev를 어떻게 해야 하는지 충분히 다루지만, 아무도 당신이 설명한 이상한 횡단을 어떻게 하는지 설명하지 않습니다.

저는 A-Z가 전체 인구라고 가정할 것입니다.샘플에서 추론하는 방법에 대한 Ome의 답변을 볼 수 없습니다.

따라서 모든 목록의 첫 번째 자리의 표준 편차/평균을 얻으려면 다음과 같은 것이 필요합니다.

#standard deviation
numpy.std([A_rank[0], B_rank[0], C_rank[0], ..., Z_rank[0]])

#mean
numpy.mean([A_rank[0], B_rank[0], C_rank[0], ..., Z_rank[0]])

코드를 단축하고 n자리로 일반화하려면 내가 생성한 다음 함수를 사용합니다.

def getAllNthRanks(n):
    return [A_rank[n], B_rank[n], C_rank[n], D_rank[n], E_rank[n], F_rank[n], G_rank[n], H_rank[n], I_rank[n], J_rank[n], K_rank[n], L_rank[n], M_rank[n], N_rank[n], O_rank[n], P_rank[n], Q_rank[n], R_rank[n], S_rank[n], T_rank[n], U_rank[n], V_rank[n], W_rank[n], X_rank[n], Y_rank[n], Z_rank[n]] 

이제 다음과 같이 A-Z에서 모든 n번째 자리의 stdd와 평균을 얻을 수 있습니다.

#standard deviation
numpy.std(getAllNthRanks(n))

#mean
numpy.mean(getAllNthRanks(n))

언급URL : https://stackoverflow.com/questions/15389768/standard-deviation-of-a-list