Saya ingin mencari mean dan deviasi standar dari digit ke-1, ke-2, ... dari beberapa daftar (Z). Misalnya, saya punya

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 )...

Sekarang saya ingin mengambil mean dan std dari *_Rank[0], mean dan std dari *_Rank[1], dll.
(Yaitu: mean dan std dari digit pertama dari semua daftar (A..Z) _rank;
mean dan std dari digit ke-2 dari semua daftar (A..Z) _rank;
mean dan std dari digit ke-3 ...; dll).

Karena Python 3.4 / PEP450 ada statistics moduledi pustaka standar, yang memiliki metodestdev untuk menghitung deviasi standar dari iterable seperti milik Anda:

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

Saya akan memasukkan A_Ranket al ke dalam array 2D NumPy , dan kemudian menggunakan numpy.mean()dan numpy.std()menghitung sarana dan deviasi standar:

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 ])

Berikut beberapa kode Python murni yang dapat Anda gunakan untuk menghitung mean dan deviasi standar.

Semua kode di bawah ini didasarkan pada statisticsmodul di Python 3.4+.

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

Catatan: untuk meningkatkan akurasi saat menjumlahkan float, statisticsmodul menggunakan fungsi kustom _sumdaripada built-in sumyang saya gunakan sebagai gantinya.

Sekarang kita punya contoh:

>>> 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

Di Python 2.7.1, Anda dapat menghitung deviasi standar menggunakan numpy.std()untuk:

• Population std : Cukup gunakan numpy.std()tanpa argumen tambahan selain daftar data Anda.
• Contoh std : Anda harus melewati ddof (yaitu Delta Degrees of Freedom) set ke 1, seperti pada contoh berikut:

numpy.std (<daftar-Anda>, ddof = 1 )

Pembagi yang digunakan dalam perhitungan adalah N - ddof , di mana N mewakili jumlah elemen. Secara default ddof adalah nol.

Ini menghitung std sampel daripada std populasi.

Di python 2.7 Anda dapat menggunakan NumPy yang numpy.std()memberikan deviasi standar populasi .

Dalam Python 3.4 statistics.stdev()mengembalikan simpangan baku sampel. The pstdv()fungsi sama dengan numpy.std().

Menggunakan python, berikut beberapa metode:

import statistics as st

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

Approach1 - menggunakan sebuah fungsi

stdev = st.pstdev(data)

Pendekatan2: hitung varians dan ambil akar kuadratnya

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

Pendekatan3: menggunakan matematika dasar

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

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

catatan:

• variance menghitung varians populasi sampel
• pvariance menghitung varians dari seluruh populasi
• perbedaan serupa antara stdevdanpstdev

kode python murni:

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))

Jawaban lain mencakup bagaimana melakukan std dev dengan python secara memadai, tetapi tidak ada yang menjelaskan bagaimana melakukan traversal aneh yang telah Anda jelaskan.

Saya akan berasumsi AZ adalah seluruh populasi. Jika tidak, lihat jawaban OME tentang cara mengambil kesimpulan dari suatu sampel.

Jadi untuk mendapatkan simpangan baku / mean dari digit pertama dari setiap daftar, Anda memerlukan sesuatu seperti ini:

#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]])

Untuk mempersingkat kode dan menggeneralisasikannya ke digit ke mana pun, gunakan fungsi berikut yang saya buat untuk Anda:

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]] 

Sekarang Anda bisa mendapatkan stdd dan mean dari semua tempat ke-n dari AZ seperti ini:

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

#mean
numpy.mean(getAllNthRanks(n))