在 Python 中计算列表的标准差

Lakshay Kapoor 2023年1月30日 2021年7月13日
  1. 在 Python 中使用 statistics 模块的 pstdev() 函数计算列表的标准偏差
  2. 在 Python 中使用 NumPy 库的 std() 函数计算列表的标准偏差
  3. 在 Python 中使用 sum() 函数和列表推导式计算列表的标准偏差
在 Python 中计算列表的标准差

在 Python 中,有很多统计操作正在执行。这些操作之一是计算给定数据的标准偏差。数据的标准偏差告诉我们数据偏离平均值的程度。在数学上,标准偏差等于方差的平方根。

本教程将演示如何在 Python 中计算列表的标准偏差。

在 Python 中使用 statistics 模块的 pstdev() 函数计算列表的标准偏差

pstdev() 函数是 Python 的 statistics 模块下的命令之一。statistics 模块提供了对 Python 中的数值数据执行统计操作的函数,如均值、中位数和标准差。

statistics 模块的 pstdev() 函数帮助用户计算整个总体的标准偏差。

import statistics

list = [12, 24, 36, 48, 60]
print("List : " + str(list))

st_dev = statistics.pstdev(list)
print("Standard deviation of the given list: " + str(st_dev))

输出:

List : [12, 24, 36, 48, 60]
Standard deviation of the given list: 16.97056274847714

在上面的示例中,str() 函数将整个列表及其标准偏差转换为字符串,因为它只能与字符串连接。

在 Python 中使用 NumPy 库的 std() 函数计算列表的标准偏差

NumPy 代表 Numerical Python 是 Python 中广泛使用的库。这个库有助于处理数组、矩阵、线性代数和傅立叶变换。

NumPy 库的 std() 函数用于计算给定数组(列表)中元素的标准偏差。参考下面的示例。

import numpy as np

list = [12, 24, 36, 48, 60]
print("List : " + str(list))

st_dev = np.std(list)

print("Standard deviation of the given list: " + str(st_dev))

输出:

List : [12, 24, 36, 48, 60]
Standard deviation of the given list: 16.97056274847714

在 Python 中使用 sum() 函数和列表推导式计算列表的标准偏差

顾名思义,sum() 函数提供可迭代对象(如列表或元组)的所有元素的总和。列表推导式是一种从现有列表中存在的元素创建列表的方法。

sum() 函数和列表推导式可以帮助计算列表的标准偏差。这是一个示例代码。

import math

list= [12, 24, 36, 48, 60]
print("List : " + str(list))

mean = sum(list) / len(list)
var = sum((l-mean)**2 for l in list) / len(list)
st_dev = math.sqrt(var)

print("Standard deviation of the given list: " + str(st_dev))

输出:

List : [12, 24, 36, 48, 60]
Standard deviation of the given list: 16.97056274847714

在上面的示例中,导入了 math 模块。它提供了 sqrt() 函数来计算给定值的平方根。另外,请注意还使用了函数 len()。此函数有助于提供给定列表的长度,例如,列表中的元素数。

该方法基于标准差的数学公式。首先,我们计算方差,然后求其平方根以找到标准偏差。

Lakshay Kapoor avatar Lakshay Kapoor avatar

Lakshay Kapoor is a final year B.Tech Computer Science student at Amity University Noida. He is familiar with programming languages and their real-world applications (Python/R/C++). Deeply interested in the area of Data Sciences and Machine Learning.

LinkedIn

相关文章 - Python List