Statistische Bewerkingen
Het uitvoeren van verschillende statistische bewerkingen op arrays is essentieel voor data-analyse en machine learning. NumPy biedt functies en methoden om ze effectief uit te voeren.
Maten van Centrale Neiging
Maten van centrale neiging vertegenwoordigen een centrale of representatieve waarde binnen een kansverdeling. Meestal bereken je deze maten echter voor een bepaalde steekproef.
Hier zijn de twee belangrijkste maten:
Gemiddelde: de som van alle waarden gedeeld door het totale aantal waarden;
Mediaan: De middelste waarde in een gesorteerde steekproef.
NumPy biedt mean() en median() functies voor het berekenen van respectievelijk het gemiddelde en de mediaan:
import numpy as np sample = np.array([10, 25, 15, 30, 20, 10, 2]) # Calculating the mean sample_mean = np.mean(sample) print(f'Sorted sample: {np.sort(sample)}') # Calculating the median sample_median = np.median(sample) print(f'Mean: {sample_mean}, median: {sample_median}')
We hebben ook het gesorteerde monster weergegeven, zodat je duidelijk de mediaan kunt zien. Ons monster heeft een oneven aantal elementen (7), dus de mediaan is eenvoudigweg het element op index (n + 1) / 2 in het gesorteerde monster, waarbij n de grootte van het monster is.
Opmerking
Wanneer het monster een even aantal elementen heeft, is de mediaan het gemiddelde van de elementen op index
n / 2enn / 2 - 1in het gesorteerde monster.
import numpy as np sample = np.array([1, 2, 8, 10, 15, 20, 25, 30]) sample_median = np.median(sample) print(f'Median: {sample_median}')
Ons monster is al gesorteerd en heeft 8 elementen, dus n / 2 - 1 = 3 en sample[3] is 10. n / 2 = 4 en sample[4] is 15. Daarom is onze mediaan (10 + 15) / 2 = 12.5.
Maatregelen van Spreiding
Twee maatregelen van spreiding zijn variantie en standaarddeviatie. Variantie meet hoe verspreid de gegevens zijn. Het is gelijk aan het gemiddelde van de kwadratische verschillen van elke waarde ten opzichte van het gemiddelde.
Standaarddeviatie is de vierkantswortel van de variantie. Het biedt een maat voor hoe verspreid de gegevens zijn in dezelfde eenheden als de gegevens.
NumPy heeft de var() functie om de variantie van de steekproef te berekenen en de std() functie om de standaarddeviatie van de steekproef te berekenen:
import numpy as np sample = np.array([10, 25, 15, 30, 20, 10, 2]) # Calculating the variance sample_variance = np.var(sample) # Calculating the standard deviation sample_std = np.std(sample) print(f'Variance: {sample_variance}, standard deviation: {sample_std}')
Berekeningen in Hogere Dimensionale Arrays
Al deze functies hebben een tweede parameter axis. De standaard waarde is None, wat betekent dat de maatregel wordt berekend over een afgevlakte array (zelfs als de oorspronkelijke array 2D of hoger dimensionaal is).
Je kunt ook de exacte as specificeren waarlangs de maatregel moet worden berekend:
import numpy as np array_2d = np.array([[1, 2, 3], [4, 5, 6]]) # Calculating the mean in a flattened array print(np.mean(array_2d)) # Calculating the mean along axis 0 print(np.mean(array_2d, axis=0)) # Calculating the mean along axis 1 print(np.mean(array_2d, axis=1))
De onderstaande afbeelding toont de structuur van de exam_scores array die in de taak wordt gebruikt:
Swipe to start coding
Je analyseert de exam_scores array, een 2D-array van gesimuleerde testresultaten voor 2 studenten (2 rijen) over 5 verschillende examens (5 kolommen).
-
Bereken de gemiddelde score voor elke student door het tweede sleutelwoordargument op te geven.
-
Bereken de mediaan van alle scores.
-
Bereken de variantie van alle scores.
-
Bereken de standaarddeviatie van alle scores.
Oplossing
Schakel over naar desktop voor praktijkervaringGa verder vanaf waar je bent met een van de onderstaande optiesBedankt voor je feedback!
