Найти среднее и стандартное отклонение в Python

Среднее и стандартное отклонение – две важные метрики в статистике.

Среднее это сумма всех записей, разделенных на количество записей.
Стандартное отклонение является мерой количества изменений или дисперсии набора значений.

Давайте посмотрим на шаги, необходимые для расчета среднего и стандартного отклонения.

Шаги для расчета среднего

Возьми Сумма всех записей Отказ
Разделите сумму по Количество записей Отказ

Шаги для расчета стандартного отклонения

Рассчитать среднее значение Как обсуждалось выше.
Рассчитать дисперсию Для каждой записи, вычитая среднее значение от значения записи. Затем квадрат каждый из этих полученных ценностей и суммирует результаты. Затем разделите результат по количеству точек данных минус один. Это даст дисперсия.
Квадратный корень дисперсии (рассчитанный выше) затем используется для поиска стандартного отклонения.

Несколько методов для поиска среднего и стандартного отклонения в Python

Давайте напишем код Python для расчета среднего и стандартного отклонения. Вы получаете несколько вариантов для расчета среднего и стандартного отклонения в Python. Давайте посмотрим на встроенный статистический модуль, а затем попробуйте написать нашу собственную реализацию.

1. Использование модуля статистики

Этот модуль предоставляет вам возможность вычисления среднего и стандартного отклонения напрямую.

Давайте начнем, импортируя модуль.

import statistics

Давайте объявим массив с фиктивными данными.

data = [7,5,4,9,12,45]

Теперь, чтобы рассчитать среднее значение образца данных, используйте:

statistics.mean(data)

Это утверждение вернет среднее значение данных. Мы можем напечатать среднее значение в выходе, используя:

print("Mean of the sample is % s " %(statistics.mean(data)))

Мы получаем вывод как:

Mean of the sample is 13.666666666666666

Если вы используете IDE для кодирования, вы сможете наведите следующее заявление и получить дополнительную информацию о статистике. МЕС ().

В качестве альтернативы вы можете прочитать документацию здесь Отказ

Для расчета стандартного отклонения использования образцов использования:

print("Standard Deviation of the sample is % s "%(statistics.stdev(data)))

Мы получаем вывод как:

Standard Deviation of the sample is 15.61623087261029

Вот краткая документация статистики .Stev ().

Полный код, чтобы найти стандартное отклонение и среднее значение

Полный код для фрагментов выше выглядит следующим образом:

import statistics 
import numpy as np

data = np.array([7,5,4,9,12,45])

print("Standard Deviation of the sample is % s "% (statistics.stdev(data)))
print("Mean of the sample is % s " % (statistics.mean(data)))

2. Напишите свою собственную функцию

Давайте напишем нашу функцию для расчета среднего.

def mean(data):
  n = len(data)
  mean = sum(data) / n
  return mean

Эта функция рассчитает среднее значение.

Теперь давайте напишем функцию для расчета стандартного отклонения.

Это может быть немного сложно, поэтому давайте пойдем на это шаг за шагом.

Стандартное отклонение – Квадратный корень дисперсии Отказ Таким образом, мы можем написать две функции:

тот, который рассчитает отклонение
тот, который рассчитает квадратный корень дисперсии.

Функция для расчетной дисперсии заключается в следующем:

def variance(data):
  
  n = len(data)
  
  mean = sum(data) / n
  
  deviations = [(x - mean) ** 2 for x in data]
   
  variance = sum(deviations) / n
  return variance

Вы можете обратиться к шагам, указанным в начале учебника, чтобы понять код.

Теперь мы можем написать функцию, которая рассчитывает квадратный корень дисперсии.

def stdev(data):
  import math
  var = variance(data)
  std_dev = math.sqrt(var)
  return std_dev

Полный код

Полный код выглядит следующим образом:

import numpy as np #for declaring an array

def mean(data):
  n = len(data)
  mean = sum(data) / n
  return mean

def variance(data):
  n = len(data)
  mean = sum(data) / n
  deviations = [(x - mean) ** 2 for x in data]
  variance = sum(deviations) / n
  return variance

def stdev(data):
  import math
  var = variance(data)
  std_dev = math.sqrt(var)
  return std_dev

data = np.array([7,5,4,9,12,45])

print("Standard Deviation of the sample is % s "% (stdev(data)))
print("Mean of the sample is % s " % (mean(data)))

Заключение

Это руководство было о расчете среднего и стандартного отклонения в Python. Надеюсь, вы веселились с нами!