【Python】统计数据标准差(总体标准差,样本标准差)

前言

最近做实验需要统计实验结果的均值,标准差,mark一下,方便查阅!

总体标准差

在这里插入图片描述

样本标准差

有的也叫无偏样本标准差,就是自由度为 n-1
在这里插入图片描述

代码

imimport numpy as np
each_acc1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
print("总体标准差:", np.std(each_acc1))
print("样本标准差:", np.std(each_acc1, ddof=1))
样本标准差: 3.0276503540974917
总体标准差: 2.8722813232690143

按列计算均值,总体标准差,样本标准差

imimport numpy as np
each_list = []
each_acc1 = [1.0, 2.323, 3.323, 45.321321, 6.312, 6.312, 8.3123, 99.3232]
each_acc2 = [0.99233, 2.3212, 3.323, 45.321321, 7.312, 7.312, 8.666, 100]
each_acc3 = [1.32323, 1.32, 6.323, 35.321321, 8.312, 7.312, 8.7877, 100.0]
each_list.append(each_acc1)
each_list.append(each_acc2)
each_list.append(each_acc3)
a = np.array(each_list)
print('原始数组:\n', a)
print('每列均值:\n', a.mean(axis=0))
print('每列总体标准差:\n', np.around(a.std(axis=0),decimals=2))
print('每列样本标准差:\n', np.around(a.std(axis=0,ddof=1),decimals=2))
原始数组:
 [[  1.         2.323      3.323     45.321321   6.312      6.312      8.3123    99.3232  ]
 [  0.99233    2.3212     3.323     45.321321   7.312      7.312      8.666    100.      ]
 [  1.32323    1.32       6.323     35.321321   8.312      7.312      8.7877   100.      ]]
每列均值:
 [ 1.10518667  1.98806667  4.323      41.98798767  7.312       6.97866667  8.58866667 99.7744    ]
每列总体标准差:
 [0.15 0.47 1.41 4.71 0.82 0.47 0.2  0.32]
每列样本标准差值:
 [0.19 0.58 1.73 5.77 1.   0.58 0.25 0.39]
  • 7
    点赞
  • 25
    收藏
    觉得还不错? 一键收藏
  • 3
    评论
### 回答1: 在Python中,可以使用`numpy`库中的`std`函数来计算样本标准差。具体使用方法如下: 假设有一个包含样本数据的一维数组`data`,可以使用以下代码计算样本标准差: ```python import numpy as np std = np.std(data, ddof=1) ``` 其中,`ddof`参数表示自由度的调整值,通常设为1,表示样本标准差的计算中使用样本自由度。 除了使用`numpy`库,还可以使用Python内置的`statistics`库来计算样本标准差。具体使用方法如下: ```python import statistics as st std = st.stdev(data) ``` 需要注意的是,`statistics`库中的`stdev`函数默认使用样本自由度来计算样本标准差,因此不需要指定自由度的调整值。 ### 回答2: Python中的样本标准差可以使用第三方库NumPy中的函数来计算。NumPy是一个用于科学计算的强大库,其中包含了许多用于统计学的函数。 要计算样本标准差,首先需要将数据存储在NumPy的数组中。然后,可以使用numpy.std()函数来计算标准差。此函数的第一个参数是数据数组,第二个参数是一些选项,用于指定计算标准差的方式。 以下是一个简单的示例代码: ``` import numpy as np data = np.array([1, 2, 3, 4, 5]) std = np.std(data, ddof=1) # 计算样本标准差,ddof=1表示使用n-1来计算(n为样本数量) print("样本标准差:", std) ``` 在这个例子中,我们首先导入了NumPy库,然后创建了一个包含数据的NumPy数组。接下来,我们使用np.std()函数来计算样本标准差,并将结果存储在std变量中。最后,我们打印出了计算得到的样本标准差。 需要注意的是,np.std()函数的默认行为是计算总体标准差,即使用n来计算。如果要计算样本标准差,需要将ddof参数设置为1,这样函数会使用n-1来计算。 通过以上步骤,我们可以使用Python来计算一组数据的样本标准差。 ### 回答3: 在Python中,计算样本标准差可以使用NumPy库中的函数。首先,需要导入NumPy库,代码如下: ```python import numpy as np ``` 接下来,我们需要有一个样本数据集来计算标准差。假设我们有一个包含数字的列表,可以将其转换为NumPy数组,然后使用`np.std()`函数来计算样本标准差。示例代码如下: ```python data = [1, 2, 3, 4, 5] data_array = np.array(data) std = np.std(data_array, ddof=1) ``` 其中,`data`是我们的样本数据集,`data_array`是将样本数据转换为NumPy数组,`ddof`参数是自由度校正(默认为0,表示总体标准差;设置为1表示样本标准差)。 最后,我们可以打印出样本标准差的值,示例代码如下: ```python print("样本标准差为:", std) ``` 样本标准差是一种度量数据集的离散程度的指标。它表示数据的平均值与每个数据点的差的平方的平均值的平方根。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 3
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值