python 标准差_python-NumPy中的加权标准差

2024-06-03 04:50:44

python-NumPy中的加权标准差

numpy.average()具有权重选项，但numpy.std()没有。有没有人建议解决方法？

5个解决方案

99 votes

以下简短的“手动计算”如何？

def weighted_avg_and_std(values, weights):

"""

Return the weighted average and standard deviation.

values, weights -- Numpy ndarrays with the same shape.

"""

average = numpy.average(values, weights=weights)

# Fast and numerically precise:

variance = numpy.average((values-average)**2, weights=weights)

return (average, math.sqrt(variance))

Eric O Lebigot answered 2019-10-07T05:25:46Z

25 votes

standard_error = standard_deviation / sqrt(sum(weights) - 1)中有一个类，可以轻松计算加权统计信息：standard_error = standard_deviation / sqrt(sum(weights) - 1)。

假设此数据集和权重：

import numpy as np

from statsmodels.stats.weightstats import DescrStatsW

array = np.array([1,2,1,2,1,2,1,3])

weights = np.ones_like(array)

weights[3] = 100

初始化类（请注意，此时您必须输入校正因子，即自由度增量）：

weighted_stats = DescrStatsW(array, weights=weights, ddof=0)

然后，您可以计算：

standard_error = standard_deviation / sqrt(sum(weights) - 1)加权平均值：

standard_error = standard_deviation / sqrt(sum(weights) - 1)

standard_error = standard_deviation / sqrt(sum(weights) - 1)加权标准偏差：

standard_error = standard_deviation / sqrt(sum(weights) - 1)

standard_error = standard_deviation / sqrt(sum(weights) - 1)加权方差：

standard_error = standard_deviation / sqrt(sum(weights) - 1)

standard_error = standard_deviation / sqrt(sum(weights) - 1)加权平均值的标准误：

standard_error = standard_deviation / sqrt(sum(weights) - 1)

以防万一您对标准误差和标准偏差之间的关系感兴趣：标准误差是（对于standard_error = standard_deviation / sqrt(sum(weights) - 1)）计算为加权标准偏差除以权重总和减去1的平方根（对应于 GitHub上的standard_error = standard_deviation / sqrt(sum(weights) - 1) 0.9版）：

standard_error = standard_deviation / sqrt(sum(weights) - 1)

MSeifert answered 2019-10-07T05:27:28Z

6 votes

在numpy / scipy中似乎还没有这样的功能，但是有一张票证提出了这个附加功能。在那里，您将找到Statistics.py，它实现了加权标准差。

unutbu answered 2019-10-07T05:27:53Z

2 votes

这里还有一个选择：

np.sqrt(np.cov(values, aweights=weights))

Leo answered 2019-10-07T05:28:18Z

1 votes

有趣的举了一个很好的例子：

import pandas as pd

import numpy as np

# X is the dataset, as a Pandas' DataFrame

mean = mean = np.ma.average(X, axis=0, weights=weights) # Computing the

weighted sample mean (fast, efficient and precise)

# Convert to a Pandas' Series (it's just aesthetic and more

# ergonomic; no difference in computed values)

mean = pd.Series(mean, index=list(X.keys()))

xm = X-mean # xm = X diff to mean

xm = xm.fillna(0) # fill NaN with 0 (because anyway a variance of 0 is

just void, but at least it keeps the other covariance's values computed

correctly))

sigma2 = 1./(w.sum()-1) * xm.mul(w, axis=0).T.dot(xm); # Compute the

unbiased weighted sample covariance

加权无偏样本协方差的正确方程式，URL（版本：2016-06-28）

abah answered 2019-10-07T05:28:49Z

python 标准差_python-NumPy中的加权标准差相关推荐

爱因斯坦求和约定在Python扩展库Numpy中的实现
推荐教材: <Python数据分析.挖掘与可视化>(慕课版)(ISBN:978-7-115-52361-7),董付国,人民邮电出版社,定价49.8元,2020年1月出版,2021年12月第 ...
Python扩展库numpy中where()函数的三种用法
第一种用法:只给where()函数传递一个数组作为参数,返回其中非0元素的下标. 第二种用法:给where()函数传递一个包含True/False值的数组,返回该数组中True值的下标,结合numpy ...
python npv 计算公式_Python numpy 中常用的数据运算
Numpy 精通面向数组编程和思维方式是成为Python科学计算大牛的一大关键步骤.--<利用Python进行数据分析> Numpy(Numerical Python)是Python科学计 ...
python三维数组怎么表示_python – numpy中的三维数组
你有一个截断的数组表示.让我们看一个完整的例子: >>> a = np.zeros((2, 3, 4)) >>> a array([[[ 0., 0., 0., 0 ...
python如何读取数据保存为新格式_Python Numpy中数据的常用保存与读取方法
在经常性读取大量的数值文件时(比如深度学习训练数据),可以考虑现将数据存储为Numpy格式,然后直接使用Numpy去读取,速度相比为转化前快很多. 下面就常用的保存数据到二进制文件和保存数据到文本文件 ...
python numpy矩阵索引_python – Numpy中的矩阵索引
索引后查看形状: In [295]: A=np.matrix([1,2,3]) In [296]: A.shape Out[296]: (1, 3) In [297]: A[0] Out[297]: ...
python数组求和_Python NumPy中的数组求和函数sum | 坐倚北风
在Python中可以使用NumPy中的sum函数来进行数值求和,sum方法的格式如下: numpy.sum(a, axis=None, dtype=None, out=None, keepdims=, ...
python如何创建三维数组_python – numpy中的三维数组
你有一个截断的数组表示.让我们看一个完整的例子: >>> a = np.zeros((2, 3, 4)) >>> a array([[[ 0., 0., 0., 0 ...
Python数据分析 1-5 NumPy中ufunc函数（一）主要介绍NumPy中常用的通用函数：基本数学函数、三角函数和反三角函数和统计类函数
1 引入NumPy #引入numpy import numpy as np np.__version__ '1.20.1' 2 基本数学函数 NumPy中基本数学函数有加法.减法.乘法.除法.乘方.开 ...

最新文章

热门文章