Scipy zscore

Wenn Sie in Python eine statistische Berechnung durchführen möchten, ist die erste Bibliothek, auf die Sie sich beziehen, Scipy. Die Python -Programmiersprache hat mehrere wertvolle Bibliotheken, die Sie in jeder Situation entsprechend Ihrem Bedarf verwenden können. Scipy ist jedoch eine der häufigsten Bibliotheken, an die Sie sich für jedes Problem wenden können. Sie können jede Art von statistischer Berechnung, wissenschaftlicher Arbeit, mathematischer Berechnung usw. durchführen. mit scipy. In diesem Artikel sehen Sie eine der von Scipy bereitgestellten statistischen Methoden, nämlich ZScore. Wir wollen die von der Scipy Library in diesem Artikel bereitgestellte ZSCORE -Funktion mit Hilfe von Beispielen untersuchen und verstehen. Lasst uns anfangen!

Was ist zscore?

In der Statistik ist der Z-Score der Unterschied zwischen Mittelwert und Standardabweichung. Sie nehmen einen Punkt aus Ihren Daten, subtrahieren Sie den Mittelwert von ihm und teilen ihn dann durch die Standardabweichung auf. Mit anderen Worten, ZSCORE ist das Maß für die Dispersion der Daten, sodass er angibt, wie viele Werte der Mittelwert der Daten von der Standardabweichung der Daten entfernt ist. Der negative ZSCORE zeigt, dass die Standardabweichung unter dem Mittelwert liegt, der 0 ZScore zeigt, dass der Mittelwert und die Standardabweichung gleich sind und der positive zScore zeigt, dass die Standardabweichung über dem Mittelwert liegt.

Was ist scipy zscore?

Der ZSCORE ist eine Methode, die in der Scipy -Bibliothek von Python angegeben ist. Es wird verwendet, um den ZSCORE automatisch in der Python -Programmiersprache zu berechnen. Alles, was Sie tun müssen, ist Ihre Daten bereitzustellen und die zScore -Funktion die Arbeit ausführen zu lassen. Die Syntax der zScore -Funktion ist in der folgenden Abbildung für Ihr Verständnis angegeben:

Der ZSCORE nimmt eine erforderliche und zwei optionale Parameter vor. Der Array -Parameter repräsentiert das Eingabearray oder die Objektdaten und muss bereitgestellt werden, da sein ZSCORE berechnet werden soll. Der Achseparameter ist die Achse neben dem Mittelwert zu berechnen. Es ist ein optionaler Parameter. Wenn Sie ihn also nicht explizit erwähnen, verwendet die zScore -Funktion den Standardwert von 0. Der DOF -Parameter ist ein weiterer optionaler Parameter, der den Freiheitsgrad darstellt, der zur Korrektur der Standardabweichung verwendet wird. Die zScore -Funktion gibt den ZSCORE der angegebenen Daten zurück. Lassen Sie uns nun mit Hilfe von Beispielen darüber lernen, wie Sie den ZSCORE in einem Python -Programm berechnen können. Betrachten Sie die folgenden Beispiele.

Beispiel 1:

Wie bereits erwähnt, findet der ZScore den Unterschied zwischen Mittelwert und Standardabweichung. Wir müssen also zuerst eine Liste von Daten haben, aus denen wir den ZSCORE berechnen müssen. In diesem Beispiel wird der Schritt für Schritt erläutert, wie der ZSCORE der bereitgestellten Daten berechnet wird. Betrachten Sie den Beispielcode im folgenden Code -Snippet:

Numph als NP importieren
aus Scipy -Importstatistiken
Array1 = [5, 10, 15, 20, 25]
Array2 = [2, 4, 6, 8, 10]
print ("\ tarray 1 enthält:", array1)
print ("\ tarray 2 enthält:", array2)
print ("\ carray 1 Z-Score: \ n", Statistiken.ZScore (Array1))
print ("\ carray 2 z-score: \ n", Statistiken.ZScore (Array2))

Wenn wir eine Funktion oder Methode aus einer bestimmten Bibliothek verwenden müssen, müssen wir die Bibliothek in das Programm importieren, bevor wir eine seiner Funktionen verwenden, um Fehler zu vermeiden. Wie Sie jedoch bemerken können, importieren wir zuerst die Numpy -Bibliothek als NP und die Scipy -Bibliothek, um das Statistikpaket zu importieren. Nach dem Import der erforderlichen Bibliotheken stellen wir zwei Arrays verschiedener Daten bereit, damit wir die verschiedenen Ergebnisse der ZSCORE -Funktion sehen können. Beide Arrays werden auf dem Bildschirm mit dem Befehl print () angezeigt. Die Arrays werden an die zScore -Funktion übergeben, um den ZSCORE zu berechnen. Und der Befehl print () wird erneut verwendet, um das Ergebnis anzuzeigen. Lassen Sie uns nun das folgende Ergebnis sehen:

Beispiel 2:

Als wir die Syntax der ZSCORE -Funktion erfahren haben, wissen wir, dass eine optionale Parameterachse, die standardmäßig 0 ist, 0 ist. In diesem Beispiel geben wir den Achsenwert 1 explizit an, um zu untersuchen und zu verstehen, wie die ZSCORE -Funktion ihre Berechnung verändert. Betrachten Sie den folgenden Beispielcode:

Numph als NP importieren
aus Scipy -Importstatistiken
Array1 = [[5, 10, 15, 20, 25], [4, 8, 2, 6, 10]]
Array2 = [[2, 4, 6, 8, 10], [1, 2, 5, 3, 9]]
print ("\ tarray 1 enthält:", array1)
print ("\ tarray 2 enthält:", array2)
print ("\ tarray 1 Z-Score entlang der Achse 1: \ n", Statistiken.ZScore (Array1, Achse = 1))
print ("\ carray 2 Z-Score entlang der Achse 1: \ n", Statistiken.ZScore (Array2, Achse = 1))

Auch hier werden die Numpy- und Scipy -Bibliotheken importiert, da wir sie für das Statistikpaket und das Numpy -Array zusammen mit der ZSCORE -Funktion verwenden müssen. Wie Sie bemerken können, haben wir 2 zweidimensionale Arrays bereitgestellt. Der Achsenparameter kann mit mehrdimensionalen Arrays verwendet werden, sodass wir in diesem Beispiel zweidimensionale Arrays verwendet haben. Die Achse = 1 gibt an, dass der berechnete ZScore jedes Datenpunkts in den Arrays relativ zum Array ist, in dem sie sich befinden. Wenn Sie das Ergebnis beider Arrays mit dem Ergebnis vergleichen, das im vorherigen Beispiel berechnet wird, können Sie feststellen, dass das Ergebnis der ersten Dimension gleich ist, da die Daten gleich sind und die Achse = 1 ist. Lassen Sie uns nun das folgende Ergebnis sehen:

Beispiel 3:

In den vorherigen Beispielen haben wir die einfachen Array -Daten verwendet und die Daten in den Arrays spezifisch definiert. Wir können auch einen Datenrahmen für die zScore -Funktion definieren, um den ZSCORE der Daten im DataFrame zu berechnen. In diesem Beispiel werden wir erklären, wie Sie einen Datenrahmen deklarieren und an die ZSCORE -Funktion weitergeben, um den ZSCORE der angegebenen Daten zu berechnen. Betrachten Sie das folgende Beispielbeispiel für Ihr Verständnis:

Pandas als PD importieren
aus Scipy -Importstatistiken
Daten = Pd.DataFrame (NP.willkürlich.Randint (1, 10,
Größe = (3, 3)), Spalten = ['x', 'y', 'z'])
Daten.bewerben (Statistiken.zscore)

Die Pandas -Bibliothek wird in das Programm als PD importiert. Die Scipy -Bibliothek ist wie gewohnt importiert, während wir die zScore -Funktion verwenden. Der DataFrame () wird mit zufälligen Werten mit zufälligen Werten deklariert.Randint () Funktion. Die Größe des Datenrahmens erhält 3 x 3, was 3 Zeilen und 3 Spalten bedeutet. Die Namen für jede Spalte sind "x", "y" und "z". Der DataFrame () wird an die zScore -Funktion übergeben, um den ZSCORE jedes Datenpunkts zu berechnen. Siehe das folgende Ergebnis:

Abschluss

Dieser Artikel ist ein kurzer Überblick über die von der Scipy Library bereitgestellte ZSCORE -Funktion. In Python ist der ZSCORE eine Funktion der Scipy -Bibliothek, mit der die ZSCORE der angegebenen Daten automatisch berechnet wird. Dieser Handbuch lieferte einige Beispiele, um zu erklären, wie die ZSCORE -Funktion in einem Python -Programm verwendet wird.