Как рассчитать стандартное отклонение в Numpy?

Автор оригинала: Chris.

Проблема разработки: Как рассчитать стандартное отклонение в Numpy?

Дифференциации : Есть много разных вариантов этой проблемы:

• Рассчитайте стандартное отклонение 1-м массива
• Рассчитайте стандартное отклонение 2D массива
• Рассчитайте стандартное отклонение 3D-массива

Затем вы также можете рассчитать стандартное отклонение вдоль оси:

• Рассчитайте стандартное отклонение 2D массива вдоль столбцов
• Рассчитайте стандартное отклонение 2D массива вдоль рядов

Все они используют np.std (массив, ось) Функция, которая может быть настроена на проблему под рукой.

Syntax: np.std(array, axis=0)

Перед тем, как мы погрузимся в разные способы рассчитать стандартное отклонение в Numpy, позвольте мне быстро дать вам подсказку, что есть дополнительные дополнительные аргументы, но большинство из них немного используются. Вы можете проверить их здесь Отказ

Как рассчитать стандартное отклонение 1D массива

import numpy as np

arr = np.array([0, 10, 0])
dev = np.std(arr)

print(dev)
# 4.714045207910316

Как рассчитать стандартное отклонение 2D-массива

import numpy as np

arr = np.array([[1, 2, 3],
                [1, 1, 1]])
dev = np.std(arr)
print(dev)
# 0.7637626158259734

Как рассчитать стандартное отклонение 3D-массива

import numpy as np

arr = np.array([[[1, 1], [0, 0]],
                [[0, 0], [0, 0]]])
dev = np.std(arr)
print(dev)
# 0.4330127018922193

Вы можете пропустить N-мерный массив и Numpy просто рассчитал стандартное отклонение сплющенного массива.

Как рассчитать стандартное отклонение 2D массива вдоль столбцов

import numpy as np

matrix = [[1, 2, 3],
          [2, 2, 2]]

# calculate standard deviation along columns
y = np.std(matrix, axis=0)
print(y)
# [0.5 0.  0.5]

Как рассчитать стандартное отклонение 2D массива вдоль рядов

import numpy as np

matrix = [[1, 2, 3],
          [2, 2, 2]]

# calculate standard deviation along rows
z = np.std(matrix, axis=1)
print(z)
# [0.81649658 0.]

Наука данных Numpy Puzzle

import numpy as np

# daily stock prices
# [open, close]
google = np.array(
    [[1239, 1258], # day 1
     [1262, 1248], # day 2
     [1181, 1205]]) # day 3

# standard deviation
y = np.std(google, axis=1)

print(y[2] == max(y))

Что такое выход этой головоломки? *Продвинутый уровень*

Вы можете решить головоломку в нашем интерактивном приложении Finxter здесь:

Numpy – популярная библиотека Python для науки о данных, ориентируясь на массивы, векторы и матрицы.

Эта головоломка вводит стандартную функцию отклонения Numpy Library. Применительно к массиву 1D эта функция возвращает его стандартное отклонение. При применении к 2D-массиву NUMPY просто снимает массив. Результатом является стандартное отклонение сплющенного 1D массива.

В головоломке у нас есть матрица с тремя рядами и двумя колоннами. Матрица хранит открытые цены и близкие цены на акции Google в течение трех дней подряд. Первый столбец определяет цену открытия, второе цена закрытия.

Мы заинтересованы в стандартном отклонении трех дней. Сколько цена акций отклоняется от среднего между открытием и ценой закрытия?

Numpy предоставляет эту функциональность через параметр оси. В 2D матрице строка указана как Ось = 0 и колонна как ось = 1 Отказ Мы хотим вычислить стандартное отклонение вдоль столбца, то есть ось = 1 Отказ Это приводит к трем стандартным значениям отклонения – один за каждый день.

Очевидно, на третий день мы наблюдали самое высокое стандартное отклонение.

Вы мастер-кодер? Проверьте свои навыки сейчас!

Похожие видео 1.

Похожие видео 2.

Работая в качестве исследователя в распределенных системах, доктор Кристиан Майер нашел свою любовь к учению студентов компьютерных наук.

Чтобы помочь студентам достичь более высоких уровней успеха Python, он основал сайт программирования образования Finxter.com Отказ Он автор популярной книги программирования Python One-listers (Nostarch 2020), Coauthor of Кофе-брейк Python Серия самооставленных книг, энтузиаста компьютерных наук, Фрилансера и владелец одного из лучших 10 крупнейших Питон блоги по всему миру.

Его страсти пишут, чтение и кодирование. Но его величайшая страсть состоит в том, чтобы служить стремлению кодер через Finxter и помогать им повысить свои навыки. Вы можете присоединиться к его бесплатной академии электронной почты здесь.