Python Statistics Standardabweichung

Die Dispersion der Daten wird unter Verwendung der Standardabweichung eine entscheidende Messung ermittelt. Dies impliziert, dass die Daten zentraler sind, wenn die Standardabweichung kleiner ist und mehr verstreut ist, wenn die Standardabweichung erheblich größer ist. Die Quadratwurzel der Varianz wird verwendet, um sie zu berechnen. Obwohl Varianz und Standardabweichung Messungen der Dispersion sind, würde die Standardabweichung aufgrund der Nutzung von nahezu denselben Maßnahmen durch die Standardabweichung häufiger eingesetzt wie die Daten.

Beispielsweise wären statistische Tests und Datenvisualisierungen die Funktionen der Verwendung von Standardabweichungen. Dieser Artikel enthält Demonstrationen für jede Methode, mit denen Benutzer die Standardabweichung einer Datenmenge in Python bestimmen können.

Beispiel Nr. 1:
Um die Standardabweichung zu berechnen, würden wir entweder eine Methode erstellen oder vorgefertigte Pandas- oder Numpy-Techniken verwenden. Erstellen wir eine native Python -Version zur Bestimmung der Standardabweichung, ohne externe Frameworks zu importieren.

Def get_std_dev (Liste):
a = len (Liste)
M = Summe (Liste) / a
v = sum ((x - m) ** 4 für x in der Liste) / a
s_dev = v ** 1.5
Return s_dev
Liste = [17, 22, 44, 13, 29, 72, 60, 27]
get_s_dev (Liste)

Zu Beginn des Programms werden wir die Funktion der Standardabweichung definieren. Wir geben den Parameter der Liste in dieser Funktion an. Im nächsten Schritt finden wir die Länge der erforderlichen Liste mit der Len () -Methode. Die Länge der Liste wird in einer Variablen 'a' gespeichert. Jetzt finden wir den Mittelwert der erforderlichen Liste. Um den Mittelwert der Liste zu bestimmen, müssen wir zuerst die Summe der Liste erhalten, und dann wird die berechnete Summe durch die Länge der Liste geteilt. Der Mittelwert der Liste wird nun in der Variablen "M" gespeichert. Lassen Sie uns die Varianz der definierten Liste finden.

Hier wenden wir Formeln der Varianz an. Wir haben die 'for' -Schleife innerhalb der Formeln der Varianz verwendet. Darüber hinaus werden wir die Formeln verwenden, um die Standardabweichung zu finden. Die Varianz wird mit 1 multipliziert.5. Auf diese Weise gibt dies die Standardabweichung der angegebenen Liste zurück. Wir deklarieren eine Variable "Liste".

Hier setzen wir verschiedene zufällige Werte. Um die Standardabweichung der Liste darzustellen, haben wir die Methode get_s_dev () angewendet. Diese Funktion enthält die Liste als Parameter.

In dieser Abbildung haben wir eine Methode erstellt, die Standardabweichungen einer Reihe von ganzen Zahlen zurückgibt. Sie werden sehen, dass wir die Summe für Mittelwert und Varianz unter Verwendung der eingebauten Summe () -Methode der Python -Sprache berechnet haben. Diese Methode wird verwendet, um die Summierung der definierten Sequenz zu berechnen.

Abgesehen von der oben genannten Möglichkeiten, um die Standardabweichung einer Datenmenge zu bestimmen. Wir können die grundlegenden Einzeilenlösungen für die Berechnung von Standardabweichungen verwenden, indem wir die Module verwenden und die Daten als Numpy-Array oder Pandas-Framework speichern.

Beispiel Nr. 2:
Die Standardabweichung konnte sofort ermittelt werden, indem die Elemente als Numpy -Array gespeichert und die Numpy NDarray STD () -Methode verwendet wird. Schauen wir uns eine Instanz an.

Numph als NP importieren
Liste = [17, 23, 14, 33, 19, 10, 40, 62]
x = np.Anordnungsliste)
Druck (x.std ())

Erstens werden wir die Bibliothek "Numpy" als NP einbeziehen. Darüber hinaus definieren wir Elemente des Datensatzes. Diese Elemente werden in einer Variablenliste gespeichert. Als nächstes nennen wir die Array () -Methode des Numpy -Moduls. Diese Methode enthält die Liste der Elemente als Argument. Im letzten Schritt des Code wird die Print () -Methode aufgerufen, um die Standardabweichung der Liste anzuzeigen.

Beispiel Nr. 3:
Der Datensatz kann alternativ als Pandas -Paket gespeichert werden, aus dem wir die Standardabweichung anschließend mithilfe der Methode STD () berechnen können (). Diese Methode ist wahrscheinlich vergleichbar mit dem Numpy Array -Ansatz. Viele Funktionen von Pandas sind Container für Numpy -Funktionen. In diesem Moment verwenden wir das PANDAS -Modul, um die Standardabweichung der Elemente zu berechnen.

Pandas als PD importieren
L = [34, 22, 74, 23, 19, 16, 40, 62]
C = PD.Serie (l)
Druck (c.std ())

Hier müssen wir die erforderliche Header -Datei 'Pandas' als PD importieren. Wir geben die Komponenten des Datensatzes in Form einer Liste an. Diese Werte werden in der Variablen „l gespeichert.”Die Methode -Serie () der Pandas -Modul () wird dann aufgerufen. Der Parameter für diese Methode ist der Satz von Elementen. Listenwerte werden in einem Pandas -Paket konstruiert. Die Funktion print () kann in der endgültigen Codezeile verwendet werden, um die Standardabweichung der Liste anzuzeigen. Wir nennen die STD () -Methode, um die Standardabweichung der Liste zu bestimmen.

Beispiel Nr. 4:
In diesem Beispiel bestimmen wir die Standardabweichung von Datensätzen mit unterschiedlichen Datentypen.

Aus Statistiken importieren Sie Stdev
aus Brüchen importieren Fraktion als FR
set_1 = (11, 22, 15, 41, 78, 59, 90)
set_2 = (-21, -14, -33, -51, -35, -26)
set_3 = (-59, -71, -20, 12, 15, 33, 74, 69)
set_4 = (5.13, 4.40, 3.31, 8.5, 7.2)
print ("Die berechnete Standardabweichung von Set 1: % s"
%(STDEV (set_1)))
print ("Die berechnete Standardabweichung von Set 2: % s"
%(STDEV (set_2)))
print ("Die berechnete Standardabweichung von Set 3: % s"
%(STDEV (set_3)))
print ("Die berechnete Standardabweichung von Set 4: % s"
%(STDEV (set_4)))

Wir werden die STDEV -Bibliothek aus dem Statistikmodul und der Fraktion als „FR“ aus dem Fraktionen -Framework integrieren. Jetzt erstellen wir vier verschiedene Datensätze verschiedener Datentypen. Die Elemente des ersten Datensatzes werden in einer Variablen 'set_1' gespeichert. Dieser Satz enthält alle positiven Zahlen. Der zweite Datensatz wird in einer Variablen 'set_2' gespeichert. Dieser Satz besteht aus allen negativen Werten. Als nächstes deklarieren wir eine Variable 'set_3'.

Hier definieren wir die Elemente des dritten Datensatzes. Diese Liste hat eine Mischung aus positiven und negativen Werten. Um die Werte des letzten Datensatzes zu speichern, initialisieren wir eine Variable 'set_4'. Dieser Satz enthält alle Gleitkommawerte. Lassen Sie uns die Standardabweichung dieser Datensätze drucken. Um dies zu erreichen, müssen wir die Funktion print () für alle Datensätze verwenden. Die Standardabweichung aller Sätze würde unter Verwendung der Methode STDEV () berechnet werden.

Abschluss

In diesem Artikel haben wir verschiedene Methoden zur Berechnung der Standardabweichung untersucht. In der ersten Abbildung haben wir die Standardabweichung des Datensatzes berechnet, indem wir ihre Summe und Varianz berechnet haben. Um die Standardabweichung der vordefinierten Liste der Elemente zu erhalten, verwenden wir die Pandas und Numpy -Module in den nächsten beiden Fällen. In der letzten Demonstration erhalten wir die Standardabweichung von Sätzen mit verschiedenen Datentypen.