[英]Calculate STD manually using Groupby Pandas DataFrame
我试图通过提供一种不同的手动方式来计算均值和标准差,从而为该问题编写解决方案。
a= ["Apple","Banana","Cherry","Apple"]
b= [3,4,7,3]
c= [5,4,1,4]
d= [7,8,3,7]
import pandas as pd
df = pd.DataFrame(index=range(4), columns=list("ABCD"))
df["A"]=a
df["B"]=b
df["C"]=c
df["D"]=d
然后,我创建了一个没有重复的A列表。 然后,我对每个项目进行了分组,并对每个项目进行了计算并计算了解决方案。
import numpy as np
l= list(set(df.A))
df.groupby('A', as_index=False)
listMean=[0]*len(df.C)
listSTD=[0]*len(df.C)
for x in l:
s= np.mean(df[df['A']==x].C.values)
z= [index for index, item in enumerate(df['A'].values) if x==item ]
for i in z:
listMean[i]=s
for x in l:
s= np.std(df[df['A']==x].C.values)
z= [index for index, item in enumerate(df['A'].values) if x==item ]
for i in z:
listSTD[i]=s
df['C']= listMean
df['E']= listSTD
print df
我使用由“ A”分组的describe()
来计算平均值std。
print df.groupby('A').describe()
并测试了建议的解决方案:
result = df.groupby(['a'], as_index=False).agg(
{'c':['mean','std'],'b':'first', 'd':'first'})
我注意到在计算std(“ E”)时得到了不同的结果。 我很好奇,我想念什么?
人口SD
当值代表您正在研究的值的整个范围时使用。
SD样本
当值仅仅是该Universe的样本时使用。
默认情况下, np.std
计算种群SD,而熊猫的Series.std
默认计算样本SD。
In [42]: np.std([4,5])
Out[42]: 0.5
In [43]: np.std([4,5], ddof=0)
Out[43]: 0.5
In [44]: np.std([4,5], ddof=1)
Out[44]: 0.70710678118654757
In [45]: x = pd.Series([4,5])
In [46]: x.std()
Out[46]: 0.70710678118654757
In [47]: x.std(ddof=0)
Out[47]: 0.5
ddof
代表“自由度”,并控制SD公式中从N
减去的数字。
上面的公式图像来自此Wikipedia页面 。 在那里,“未校正的样品标准偏差”是我(和其他人 )称为总体SD,“校正的样品标准偏差”是样品SD。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.