목록의 표준 표준

목록의 표준 표준

---

여러 (Z) 목록의 첫 번째, 두 번째, ... 자릿수의 평균과 표준을 싶습니다. 예를 들어,

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 나는의 mean과 std of *_Rank[0], mean and std of *_Rank[1], etc.
(ie : mean and std of the first digit from all (A..Z) _rank list;
the mean and std of the twond digit from all (A .. Z) _rank 목록,
세 번째 숫자의 평균 및 표준 ... 등).

---

이후 파이썬 3.4 / PEP450가 존재하는 갖는 표준 라이브러리에 있어서 네 같은 반복 가능 object-의 표준 편차를 산출 :statistics modulestdev

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

---

나는 둘 것 A_Rank2 차원에 등을 NumPy와의 사용 후 배열하고, 그리고 수단과 표준을 계산하기 :numpy.mean()numpy.std()

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 ])

---

다음은 평균 및 표준 표준을 계산하는 데 사용할 수있는 순수 Python 코드입니다.

아래의 모든 코드 는 Python 3.4+ 의 모듈을 기반으로합니다 .statistics

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 : 소수점을 합산 부동 할 때 정확도를 높이기 위해 statistics모듈은 내가 그 자리에 사용했던 _sum내장 함수가 아닌 user-정의 함수를 사용합니다 sum.

이제 예를 들면 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 numpy.std()for를 사용하여 표준을 계산할 수 있습니다 .

• Population std : numpy.std()데이터 목록 외에 추가 인수없이 사용 하십시오.
• 샘플 std : 다음 예와 같이 1로 집합 ddof (즉, 델타 자유도) 를 전달해야합니다 .

numpy.std (<목록>, ddof = 1 )

계산에 사용되는 제수는 N-ddof입니다 . 여기서 N은 요소의 수를 나타냅니다. 기본적으로 ddof는 0입니다.

모집단 표준이 아닌 샘플 표준을 계산합니다.

---

파이썬 2.7에서는 NumPy가 모집단 표준 편차를numpy.std() 제공합니다 .

Python 3.4 statistics.stdev()에서는 샘플 표준 편차를 반환합니다. pstdv()기능은 동일하다 numpy.std().

---

순수한 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))

---

Python을 사용하는 방법은 다음과 같습니다.

import statistics as st

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

접근 방식 1-함수 사용

stdev = st.pstdev(data)

접근법 2 : 분산을 계산하고 제곱근을 취합니다.

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

접근 방식 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))

노트 :

• variance 표본 모집단의 분산을 계산합니다.
• pvariance 전체 모집단의 분산을 계산합니다.
• 사이에 유사한 차이 stdev와pstdev

---

다른 답변은 파이썬에서 std dev를 수행하는 방법을 충분히 다루지 만 아무도 설명 한 기괴한 순회를 수행하는 방법을 설명하지 않습니다.

AZ가 전체 인구라고 가정하겠습니다. 샘플에서 추론하는 방법에 대한 Ome 의 답변 이 보이지 않으면 .

따라서 모든 목록의 첫 번째 숫자의 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 줄이고이를 n 번째 숫자로 일반화하려면 내가 생성 한 다음 함수를 사용하십시오.

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 AZ에서 모든 n 번째 자리의 stdd와 평균을 얻을 수 있습니다.

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

#mean
numpy.mean(getAllNthRanks(n))

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