计算数组的第三个标准偏差

Question

说，我有一个数组：

import numpy as np

x = np.array([0, 1, 2, 5, 6, 7, 8, 8, 8, 10, 29, 32, 45])

我如何计算它的第 3 个标准偏差，这样我就可以得到+3sigma的值，如下图所示？

通常，我使用std = np.std(x) ，但老实说，我不知道它返回的是1sigma值还是2sigma ，或者其他什么。 我会非常感谢你的帮助。 先感谢您。

Answer 1

NumPy的std产生标准偏差，通常用“sigma”表示。 要获得2-sigma或3-sigma范围，您可以简单地将sigma乘以2或3：

print [x.mean() - 3 * x.std(), x.mean() + 3 * x.std()]

输出：

[-27.545797458510656, 52.315028227741429]

有关更多详细信息，请参阅文档，其中说明：

标准偏差是平均偏差平均值的平方根，即std = sqrt（平均值（abs（x-x.mean（））** 2））。

http://docs.scipy.org/doc/numpy/reference/generated/numpy.std.html

Answer 2

对于任何偶然发现此问题的人，请使用类似这样的东西 - 它会为您提供一个圆角列，其中标准偏差基于其他列的值：

# get percentile and which standard deviation for daily decline pct change
def which_std_dev(row,df,col):
    std_1 = round(df[col].mean() + 1 * df[col].std(),0)
    std_2 = round(df[col].mean() + 2 * df[col].std(),0)
    std_3 = round(df[col].mean() + 3 * df[col].std(),0)
    std_4 = round(df[col].mean() + 4 * df[col].std(),0)
    std_5 = round(df[col].mean() + 5 * df[col].std(),0)
    std_6 = round(df[col].mean() + 6 * df[col].std(),0)
    std_7 = round(df[col].mean() + 7 * df[col].std(),0)
    std_8 = round(df[col].mean() + 8 * df[col].std(),0)
    std_9 = round(df[col].mean() + 9 * df[col].std(),0)
    std_10 = round(df[col].mean() + 10 * df[col].std(),0)

    if row[col] <= std_1:
        return 1
    elif row[col] > std_1 and row[col] < std_2:
        return 2
    elif row[col] >= std_2 and row[col] < std_3:
        return 3
    elif row[col] >= std_3 and row[col] < std_4:
        return 4
    elif row[col] >= std_4 and row[col] < std_5:
        return 5
    elif row[col] >= std_6 and row[col] < std_6:
        return 6
    elif row[col] >= std_7 and row[col] < std_7:
        return 7
    elif row[col] >= std_8 and row[col] < std_8:
        return 8
    elif row[col] >= std_9 and row[col] < std_9:
        return 9
    else:
        return 10

df_day['percentile'] = round(df_day['daily_decline_pct_change'].rank(pct=True),3)
df_day['which_std_dev'] = df_day.apply(lambda row: which_std_dev(row,df_day,'daily_decline_pct_change'), axis = 1)