En NumPy, podemos calcular la media, la desviación estándar y la varianza de una array determinada a lo largo del segundo eje mediante dos enfoques, primero mediante el uso de funciones incorporadas y segundo mediante las fórmulas de la media, la desviación estándar y la varianza.
Método 1: Usar numpy.mean() , numpy.std() , numpy.var()
Python
import numpy as np # Original array array = np.arange(10) print(array) r1 = np.mean(array) print("\nMean: ", r1) r2 = np.std(array) print("\nstd: ", r2) r3 = np.var(array) print("\nvariance: ", r3)
Producción:
[0 1 2 3 4 5 6 7 8 9] Mean: 4.5 std: 2.8722813232690143 variance: 8.25
Método 2: Usando las fórmulas
Python3
import numpy as np # Original array array = np.arange(10) print(array) r1 = np.average(array) print("\nMean: ", r1) r2 = np.sqrt(np.mean((array - np.mean(array)) ** 2)) print("\nstd: ", r2) r3 = np.mean((array - np.mean(array)) ** 2) print("\nvariance: ", r3)
Producción:
[0 1 2 3 4 5 6 7 8 9] Mean: 4.5 std: 2.8722813232690143 variance: 8.25
Ejemplo: comparación de métodos y fórmulas incorporados
Python
import numpy as np # Original array x = np.arange(5) print(x) r11 = np.mean(x) r12 = np.average(x) print("\nMean: ", r11, r12) r21 = np.std(x) r22 = np.sqrt(np.mean((x - np.mean(x)) ** 2)) print("\nstd: ", r21, r22) r31 = np.var(x) r32 = np.mean((x - np.mean(x)) ** 2) print("\nvariance: ", r31, r32)
Producción:
[0 1 2 3 4] Mean: 2.0 2.0 std: 1.4142135623730951 1.4142135623730951 variance: 2.0 2.0
Publicación traducida automáticamente
Artículo escrito por avengerjanus123 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA