Calcule el promedio, la varianza y la desviación estándar en Python usando NumPy

Numpy en Python es un paquete de procesamiento de arrays de propósito general. Proporciona un objeto de array multidimensional de alto rendimiento y herramientas para trabajar con estas arrays. Es el paquete fundamental para la computación científica con Python. Numpy proporciona métodos muy sencillos para calcular el promedio, la varianza y la desviación estándar.

Promedio

Promediar un número que expresa el valor central o típico de un conjunto de datos, en particular la moda, la mediana o (más comúnmente) la media, que se calcula dividiendo la suma de los valores del conjunto por su número. La fórmula básica para el promedio de n números x ₁ , x ₂ , ……x _n es

Ejemplo:

Supongamos que hay 8 puntos de datos,

El promedio de estos 8 puntos de datos es,

Promedio en Python usando Numpy:

Uno puede calcular el promedio usando la función numpy.average() en python.

Sintaxis: 

numpy.average( a , eje=Ninguno , pesos=Ninguno , devuelto=Falso )

Parámetros:

a: Array que contiene los datos a promediar

eje: Eje o ejes a lo largo de los cuales promediar un

pesos: Una array de pesos asociados con los valores en un

devuelto: el valor predeterminado es falso . Si es True , se devuelve la tupla, de lo contrario solo se devuelve el promedio

Ejemplo 1:

# Python program to get average of a list
 
# Importing the NumPy module
import numpy as np
 
# Taking a list of elements
list = [2, 4, 4, 4, 5, 5, 7, 9]
 
# Calculating average using average()
print(np.average(list))

Producción:

5.0

Ejemplo 2:

# Python program to get average of a list
 
# Importing the NumPy module
import numpy as np
 
# Taking a list of elements
list = [2, 40, 2, 502, 177, 7, 9]
 
# Calculating average using average()
print(np.average(list))

Producción:

105.57142857142857

Diferencia

La varianza es la suma de los cuadrados de las diferencias entre todos los números y medias. La fórmula matemática para la varianza es la siguiente,

Dónde,

 ? es grocero, 

N es el número total de elementos o frecuencia de distribución. 

Ejemplo:

Consideremos el mismo conjunto de datos que hemos tomado en promedio. Primero, calcule las desviaciones de cada punto de datos de la media y eleve al cuadrado el resultado de cada uno,

Varianza en Python usando Numpy:

Uno puede calcular la varianza usando la función numpy.var() en python.

Sintaxis: 

numpy.var( a , axis=Ninguno , dtype=Ninguno , out=Ninguno , ddof=0 , keepdims=<sin valor> )

Parámetros:

a: Array que contiene los datos a promediar

eje: Eje o ejes a lo largo de los cuales promediar un

dtype: Tipo a utilizar en el cálculo de la varianza. 

out: array de salida alternativa en la que colocar el resultado.

ddof: Delta Grados de Libertad

keepdims: si se establece en True, los ejes que se reducen se dejan en el resultado como dimensiones con tamaño uno

Ejemplo 1:

# Python program to get variance of a list
 
# Importing the NumPy module
import numpy as np
 
# Taking a list of elements
list = [2, 4, 4, 4, 5, 5, 7, 9]
 
# Calculating variance using var()
print(np.var(list))

Producción:

4.0

Ejemplo 2:

# Python program to get variance of a list
 
# Importing the NumPy module
import numpy as np
 
# Taking a list of elements
list = [212, 231, 234, 564, 235]
 
# Calculating variance using var()
print(np.var(list))

Producción:

18133.359999999997

Desviación Estándar

La desviación estándar es la raíz cuadrada de la varianza. Es una medida de la medida en que los datos varían de la media. La fórmula matemática para calcular la desviación estándar es la siguiente, 

Ejemplo:

Desviación estándar para los datos anteriores,

Desviación estándar en Python usando Numpy:

Uno puede calcular la desviación estándar usando la función numpy.std() en python.

Sintaxis: 

numpy.std( a , axis=Ninguno , dtype=Ninguno , out=Ninguno , ddof=0 , keepdims=<sin valor> )

Parámetros:

a: Array que contiene los datos a promediar

eje: Eje o ejes a lo largo de los cuales promediar un

dtype: Tipo a utilizar en el cálculo de la varianza. 

out: array de salida alternativa en la que colocar el resultado.

ddof: Delta Grados de Libertad

keepdims: si se establece en True, los ejes que se reducen se dejan en el resultado como dimensiones con tamaño uno

Ejemplo 1:

# Python program to get
# standard deviation of a list
 
# Importing the NumPy module
import numpy as np
 
# Taking a list of elements
list = [2, 4, 4, 4, 5, 5, 7, 9]
 
# Calculating standard
# deviation using var()
print(np.std(list))

Producción:

2.0

Ejemplo 2:

# Python program to get
# standard deviation of a list
 
# Importing the NumPy module
import numpy as np
 
# Taking a list of elements
list = [290, 124, 127, 899]
 
# Calculating standard
# deviation using var()
print(np.std(list))

Producción:

318.35750344541907