Tôi muốn tìm trung bình và độ lệch chuẩn của các chữ số 1, 2, ... của một số danh sách (Z). Ví dụ, tôi có

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 )...

Bây giờ tôi muốn lấy giá trị trung bình và điểm trung bình của *_Rank[0], giá trị trung bình và điểm thứ nhất *_Rank[1], v.v.
(nghĩa là: giá trị trung bình và điểm số 1 từ tất cả danh sách _rank (A..Z);
giá trị trung bình và điểm số thứ 2 từ tất cả danh sách (A..Z) _rank;
giá trị trung bình và std của chữ số thứ 3 ...; v.v.).

Vì Python 3.4 / PEP450 có một statistics moduletrong thư viện chuẩn, có một phương phápstdev để tính toán độ lệch chuẩn của các tệp lặp như của bạn:

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

Tôi sẽ đặt A_Ranket al vào một mảng 2D NumPy , sau đó sử dụng numpy.mean()và numpy.std()tính toán các phương tiện và độ lệch chuẩn:

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 ])

Đây là một số mã Python thuần túy mà bạn có thể sử dụng để tính giá trị trung bình và độ lệch chuẩn.

Tất cả mã bên dưới đều dựa trên statisticsmô-đun trong 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

Lưu ý: để cải thiện độ chính xác khi tính tổng số float, statisticsmô-đun sử dụng một chức năng tùy chỉnh _sumthay vì tích hợp sẵn summà tôi đã sử dụng ở vị trí của nó.

Bây giờ chúng ta có ví dụ:

>>> 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

Trong Python 2.7.1, bạn có thể tính toán độ lệch chuẩn bằng cách sử dụng numpy.std()cho:

• Dân số std : Chỉ sử dụng numpy.std()mà không có đối số bổ sung nào ngoài danh sách dữ liệu của bạn.
• Mẫu std : Bạn cần chuyển ddof (tức là Delta Degrees of Freedom) được đặt thành 1, như trong ví dụ sau:

numpy.std (<your-list>, ddof = 1 )

Ước số được sử dụng trong tính toán là N - ddof , trong đó N đại diện cho số phần tử. Theo mặc định, ddof là 0.

Nó tính toán std mẫu hơn là std dân số.

Trong python 2.7, bạn có thể sử dụng NumPy's để numpy.std()cung cấp độ lệch chuẩn tổng thể .

Trong Python 3.4 statistics.stdev()trả về độ lệch chuẩn mẫu. Các pstdv()chức năng cũng tương tự như numpy.std().

Sử dụng python, đây là một số phương pháp:

import statistics as st

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

Phương pháp tiếp cận1 - sử dụng một hàm

stdev = st.pstdev(data)

Phương pháp tiếp cận 2: tính toán phương sai và lấy căn bậc hai của nó

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

Phương pháp 3: sử dụng toán học cơ bản

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

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

Ghi chú:

• variance tính toán phương sai của tổng thể mẫu
• pvariance tính toán phương sai của toàn bộ tập hợp
• sự khác biệt tương tự giữa stdevvàpstdev

mã trăn nguyên chất:

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))

Các câu trả lời khác bao gồm cách thực hiện std dev trong python đầy đủ, nhưng không ai giải thích cách thực hiện chuyển động kỳ lạ mà bạn đã mô tả.

Tôi sẽ giả định AZ là toàn bộ dân số. Nếu không xem câu trả lời của Ome về cách suy luận từ một mẫu.

Vì vậy, để có được độ lệch chuẩn / giá trị trung bình của chữ số đầu tiên của mọi danh sách, bạn sẽ cần một cái gì đó như sau:

#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]])

Để rút ngắn mã và tổng quát hóa mã này thành bất kỳ chữ số thứ n nào, hãy sử dụng hàm sau mà tôi đã tạo cho bạn:

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]] 

Bây giờ bạn có thể chỉ cần lấy stdd và trung bình của tất cả các địa điểm thứ n từ AZ như sau:

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

#mean
numpy.mean(getAllNthRanks(n))