いくつかの(Z)リストの1桁目、2桁目、...桁の平均と標準偏差を求めます。例えば、私は
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 )...
今、私は*_Rank[0]
の平均と標準偏差、*_Rank[1]
の平均と標準偏差などを取りたいと思います。
(つまり、すべての(A..Z)_rankリストの最初の桁の平均と標準偏差。
すべての(A..Z)_rankリストの2桁目の平均と標準偏差。
3桁目の平均と標準...等)。
Python 3.4/ PEP45 から標準ライブラリには statistics module
があります。これにはあなたのようなイテラブルの標準偏差を計算するための method stdev
があります:
>>> A_rank = [0.8, 0.4, 1.2, 3.7, 2.6, 5.8]
>>> import statistics
>>> statistics.stdev(A_rank)
2.0634114147853952
A_Rank
他を2D NumPy 配列に入れてから、 numpy.mean()
と numpy.std()
を使って平均値と標準偏差を計算します。
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 ])
これは、平均値と標準偏差を計算するために使用できる純粋なPythonコードです。
以下のコードはすべて、Python 3.4+の statistics
モジュールに基づいています。
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
注:浮動小数点数を合計するときの精度を向上させるために、statistics
モジュールは、代わりに使用した組み込みのsum
ではなく、カスタム関数_sum
を使用します。
今、私たちは例えば持っています:
>>> 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 2.7.1では、numpy.std()
を使って標準偏差を計算できます。
numpy.std()
を使うだけです。numpy.std(<あなたのリスト>、ddof = 1)
計算に使用される除数はN - ddofです。ここで、Nは要素数を表します。デフォルトでは、ddofはゼロです。
母集団の標準偏差ではなく標本の標準偏差を計算します。
Python 2.7では、NumPyの numpy.std()
を使うと、 母集団標準偏差 が得られます。
Python 3.4の場合 statistics.stdev()
は標本標準偏差を返します。 pstdv()
関数はnumpy.std()
と同じです。
純粋なPythonコード:
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))
他の答えは、pythonでstd devを十分に実行する方法をカバーしていますが、あなたが説明した奇妙なトラバーサルを実行する方法を誰も説明していません。
A-Zが全人口であると仮定します。そうでなければ Ome はサンプルから推論する方法についての答えです。
したがって、すべてのリストの最初の桁の標準偏差/平均を取得するには、次のようなものが必要になります。
#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]])
コードを短くしてこれを任意のn桁目に一般化するには、私が生成した次の関数を使用します。
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]]
これで、A-Zからn番目の場所すべてのstddとmeanを簡単に取得できます。
#standard deviation
numpy.std(getAllNthRanks(n))
#mean
numpy.mean(getAllNthRanks(n))
Pythonを使用して、ここでいくつかの方法があります:
import statistics as st
n = int(input())
data = list(map(int, input().split()))
stdev = st.pstdev(data)
variance = st.pvariance(data)
devia = math.sqrt(variance)
mean = sum(data)/n
variance = sum([((x - mean) ** 2) for x in X]) / n
stddev = variance ** 0.5
print("{0:0.1f}".format(stddev))
variance
は標本母集団の分散を計算しますpvariance
は母集団全体の分散を計算しますstdev
とpstdev
の間の同様の違い