Ich möchte den Mittelwert und die Standardabweichung der 1., 2., ... Ziffern mehrerer (Z) Listen ermitteln. Zum Beispiel habe ich

A_rank=[0.8,0.4,1.2,3.7,2.6,5.8]
B_rank=[0.1,2.8,3.7,2.6,5,3.4]
C_Rank=[1.2,3.4,0.5,0.1,2.5,6.1]
# etc (up to Z_rank )...

Jetzt möchte ich den Mittelwert und den Standardwert *_Rank[0], den Mittelwert und den Standardwert *_Rank[1]usw.
(dh den Mittelwert und den Standardwert der 1. Ziffer aus allen (A..Z) -Ranglisten;
den Mittelwert und den Standardwert der 2. Ziffer aus alle (A..Z) -Ranglisten;
Mittelwert und Standard der 3. Ziffer ...; etc).

Seit Python 3.4 / PEP450 gibt es eine statistics modulein der Standardbibliothek, die eine Methodestdev zur Berechnung der Standardabweichung von Iterables wie Ihrer enthält:

>>> A_rank = [0.8, 0.4, 1.2, 3.7, 2.6, 5.8]
>>> import statistics
>>> statistics.stdev(A_rank)
2.0634114147853952

Ich würde A_Ranket al. In ein 2D- NumPy- Array einfügen und dann die Mittelwerte und Standardabweichungen verwenden numpy.mean()und numpy.std()berechnen:

In [17]: import numpy

In [18]: arr = numpy.array([A_rank, B_rank, C_rank])

In [20]: numpy.mean(arr, axis=0)
Out[20]: 
array([ 0.7       ,  2.2       ,  1.8       ,  2.13333333,  3.36666667,
        5.1       ])

In [21]: numpy.std(arr, axis=0)
Out[21]: 
array([ 0.45460606,  1.29614814,  1.37355985,  1.50628314,  1.15566239,
        1.2083046 ])

Hier ist ein reiner Python-Code, mit dem Sie den Mittelwert und die Standardabweichung berechnen können.

Der gesamte folgende Code basiert auf dem statisticsModul in Python 3.4+.

def mean(data):
    """Return the sample arithmetic mean of data."""
    n = len(data)
    if n < 1:
        raise ValueError('mean requires at least one data point')
    return sum(data)/n # in Python 2 use sum(data)/float(n)

def _ss(data):
    """Return sum of square deviations of sequence data."""
    c = mean(data)
    ss = sum((x-c)**2 for x in data)
    return ss

def stddev(data, ddof=0):
    """Calculates the population standard deviation
    by default; specify ddof=1 to compute the sample
    standard deviation."""
    n = len(data)
    if n < 2:
        raise ValueError('variance requires at least two data points')
    ss = _ss(data)
    pvar = ss/(n-ddof)
    return pvar**0.5

Hinweis: Für eine verbesserte Genauigkeit beim Summieren von Floats verwendet das statisticsModul eine benutzerdefinierte Funktion _sumanstelle der integrierten Funktion, sumdie ich an seiner Stelle verwendet habe.

Jetzt haben wir zum Beispiel:

>>> mean([1, 2, 3])
2.0
>>> stddev([1, 2, 3]) # population standard deviation
0.816496580927726
>>> stddev([1, 2, 3], ddof=1) # sample standard deviation
0.1

In Python 2.7.1 können Sie die Standardabweichung berechnen mit numpy.std():

• Population std : Verwenden Sie einfach numpy.std()keine zusätzlichen Argumente außer Ihrer Datenliste.
• Beispiel std : Sie müssen ddof (dh Delta Degrees of Freedom) wie im folgenden Beispiel auf 1 setzen:

numpy.std (<Ihre-Liste>, ddof = 1 )

Der in Berechnungen verwendete Divisor ist N - ddof , wobei N die Anzahl der Elemente darstellt. Standardmäßig ist ddof Null.

Es berechnet eher den Stichprobenstandard als den Populationsstandard.

In Python 2.7 können Sie NumPy's verwenden, um numpy.std()die Populationsstandardabweichung anzugeben .

In Python 3.4 wird statistics.stdev()die Standardabweichung des Beispiels zurückgegeben. Die pstdv()Funktion ist die gleiche wie numpy.std().

Bei der Verwendung von Python gibt es einige Methoden:

import statistics as st

n = int(input())
data = list(map(int, input().split()))

Ansatz1 - Verwenden einer Funktion

stdev = st.pstdev(data)

Ansatz2: Varianz berechnen und Quadratwurzel daraus ziehen

variance = st.pvariance(data)
devia = math.sqrt(variance)

Ansatz3: Grundlegende Mathematik verwenden

mean = sum(data)/n
variance = sum([((x - mean) ** 2) for x in X]) / n
stddev = variance ** 0.5

print("{0:0.1f}".format(stddev))

Hinweis:

• variance berechnet die Varianz der Stichprobenpopulation
• pvariance berechnet die Varianz der gesamten Bevölkerung
• ähnliche Unterschiede zwischen stdevundpstdev

reiner Python-Code:

from math import sqrt

def stddev(lst):
    mean = float(sum(lst)) / len(lst)
    return sqrt(float(reduce(lambda x, y: x + y, map(lambda x: (x - mean) ** 2, lst))) / len(lst))

Die anderen Antworten behandeln, wie man std dev in Python ausreichend macht, aber niemand erklärt, wie man die bizarre Durchquerung macht, die Sie beschrieben haben.

Ich gehe davon aus, dass AZ die gesamte Bevölkerung ist. Wenn nicht, lesen Sie Omes Antwort, wie Sie aus einer Stichprobe schließen können.

Um die Standardabweichung / den Mittelwert der ersten Ziffer jeder Liste zu erhalten, benötigen Sie ungefähr Folgendes:

#standard deviation
numpy.std([A_rank[0], B_rank[0], C_rank[0], ..., Z_rank[0]])

#mean
numpy.mean([A_rank[0], B_rank[0], C_rank[0], ..., Z_rank[0]])

Um den Code zu verkürzen und auf eine n-te Ziffer zu verallgemeinern, verwenden Sie die folgende Funktion, die ich für Sie generiert habe:

def getAllNthRanks(n):
    return [A_rank[n], B_rank[n], C_rank[n], D_rank[n], E_rank[n], F_rank[n], G_rank[n], H_rank[n], I_rank[n], J_rank[n], K_rank[n], L_rank[n], M_rank[n], N_rank[n], O_rank[n], P_rank[n], Q_rank[n], R_rank[n], S_rank[n], T_rank[n], U_rank[n], V_rank[n], W_rank[n], X_rank[n], Y_rank[n], Z_rank[n]] 

Jetzt können Sie einfach den Standard und den Mittelwert aller n-ten Plätze von AZ wie folgt abrufen:

#standard deviation
numpy.std(getAllNthRanks(n))

#mean
numpy.mean(getAllNthRanks(n))