【数据分析面试】8.计算标准差(python)

题目：

编写一个名为 compute_deviation 的函数，该函数接受一个包含键和整数列表的字典列表，并返回一个字典，其中包含每个列表的标准差。

注意：请勿使用 NumPy 内置函数。

示例：

输入:

input = [
    {
        'key': 'list1',
        'values': [4,5,2,3,4,5,2,3],
    },
    {
        'key': 'list2',
        'values': [1,1,34,12,40,3,9,7],
    }
]

输出:

 output = {'list1': 1.12, 'list2': 14.19}

答案

解题思路

该函数 compute_deviation 接受一个字典列表作为输入，其中每个字典包含一个键和一个整数列表。它计算每个列表的标准差，而不使用 NumPy 内置函数，并返回一个包含每个列表标准差的字典。

1. 定义了一个名为 compute_deviation 的函数，接受一个列表作为输入。
2. 函数内部遍历输入列表中的每个字典。
3. 对于每个字典，提取键和对应的整数列表。
4. 使用给定的整数列表计算其标准差，将结果存储在一个新的字典中，以当前字典中的键作为键，标准差作为值。
5. 最后返回这个包含标准差的字典。

答案代码

# 定义一个函数，计算每个列表的标准差
def compute_deviation(input):
    # 创建一个空字典，用于存储结果
    result = {}
    # 遍历输入列表中的每个字典
    for item in input:
        # 获取当前字典中的键
        key = item['key']
        # 获取当前字典中键为'values'的值
        values = item['values']
        # 计算长度
        n = len(values)
        # 计算的平均值
        mean = sum(values) / n
        # 计算方差
        variance = sum((x - mean) ** 2 for x in values) / n
        # 计算标准差
        std_deviation = variance ** 0.5   
        # 将结果存储在结果字典中
        result[key] = std_deviation
    # 返回计算得到的结果字典
    return result


print(compute_deviation(input_data))

另一个版本的答案是导入’math’ 库，用 math.sqrt() 函数计算标准差：

• std_deviation = math.sqrt(variance)

如果使用Numpy，直接用np.std()计算，不用另外计算平均值和方差。

import numpy as np

def compute_deviation(input):
    result = {}
    for item in input:
        key = item['key']
        values = item['values']
        std_deviation = np.std(values)
        result[key] = std_deviation
    return result

常见NumPy函数汇总

NumPy是Python中用于科学计算的重要库，提供了许多常用的计算函数。以下是一些常见的NumPy计算函数的简单总结：

1. np.array()： 将输入数据（列表、元组、数组等）转换为NumPy数组。
2. np.arange()： 创建一个等差数组。
3. np.linspace()： 创建一个等间隔数组。
4. np.zeros()： 创建一个元素全为0的数组。
5. np.ones()： 创建一个元素全为1的数组。
6. np.eye()： 创建一个单位矩阵（对角线元素为1，其余为0）。
7. np.random.rand()： 生成指定形状的随机数数组（0到1之间均匀分布）。
8. np.random.randn()： 生成指定形状的随机数数组（标准正态分布）。
9. np.sum()： 对数组中的元素求和。
10. np.mean()： 计算数组中元素的平均值。
11. np.std()： 计算数组中元素的标准差。
12. np.var()： 计算数组中元素的方差。
13. np.min()： 找出数组中的最小值。
14. np.max()： 找出数组中的最大值。
15. np.argmax()： 找出数组中最大值的索引。
16. np.argmin()： 找出数组中最小值的索引。
17. np.transpose() 或数组.T： 返回数组的转置。
18. np.dot()： 计算两个数组的点积（内积）。
19. np.cross()： 计算两个数组的叉积。
20. np.linalg.norm()： 计算数组的范数。

---