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：

　　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：

　　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。

相关文章阅读