Desviación estándar de estadísticas de Python

La dispersión de los datos se determina mediante el uso de la desviación estándar, una medición crucial. Esto implica que los datos están más centralizados cuando la desviación estándar es más pequeña y más dispersa cuando la desviación estándar es significativamente mayor. La raíz cuadrada de la varianza se usa para calcularla. Aunque la varianza y la desviación estándar son mediciones de dispersión, la desviación estándar se emplearía con mayor frecuencia debido a la utilización de la desviación estándar de casi las mismas medidas que los datos.

Por ejemplo, las pruebas estadísticas y la visualización de datos serían las capacidades de usar la desviación estándar. Este artículo incluye demostraciones para cada método que los usuarios pueden usar para determinar la desviación estándar de un conjunto de datos en Python.

Ejemplo no 1:
Para calcular la desviación estándar, crearíamos un método o utilizaríamos pandas previamente construidos o técnicas numpy. Creemos una versión nativa de Python para determinar la desviación estándar sin importar ningún marco externo.

Def get_std_dev (lista):
a = len (lista)
m = suma (lista) / a
v = sum ((x - m) ** 4 para x en la lista) / a
s_dev = v ** 1.5
devolver s_dev
Lista = [17, 22, 44, 13, 29, 72, 60, 27]
get_s_dev (lista)

Al comienzo del programa, definiremos la función de la desviación estándar. Proporcionamos el parámetro de la lista dentro de esta función. En el siguiente paso, encontraremos la longitud de la lista requerida utilizando el método Len (). La longitud de la lista se almacenará en una variable 'a'. Ahora, encontraremos la media de la lista requerida. Para determinar la media de la lista, primero debemos obtener la suma de la lista y luego la suma calculada se dividirá por la longitud de la lista. La media de la lista ahora se guardará en la variable 'M'. Encontremos la varianza de la lista definida.

Aquí, aplicamos fórmulas de la varianza. Hemos empleado el bucle 'for' dentro de las fórmulas de la varianza. Además, utilizaremos las fórmulas para encontrar la desviación estándar. La varianza se multiplicará por 1.5. Al hacerlo, esto devuelve la desviación estándar de la lista especificada. Declaramos una variable 'lista'.

Aquí, M establecemos diferentes valores aleatorios. Para representar la desviación estándar de la lista, hemos aplicado el método get_s_dev (). Esta función contiene la lista como sus parámetros.

En esta ilustración, construimos un método que devuelve las desviaciones estándar de un conjunto de enteros. Verá que calculamos la suma para la media y la varianza utilizando el método InBuilt Sum () de Python Language Sum (). Este método se está utilizando para calcular la suma de la secuencia definida.

Hay varias formas aparte de la mencionada anteriormente para determinar la desviación estándar de un conjunto de datos. Podemos utilizar las soluciones básicas de una línea para calcular las desviaciones estándar utilizando los módulos y guardando los datos como una matriz Numpy o un marco de Pandas.

Ejemplo no 2:
La desviación estándar podría determinarse instantáneamente almacenando el conjunto de elementos como una matriz Numpy y utilizando el método Numpy NDarray StD (). Echemos un vistazo a una instancia.

importar numpy como np
Lista = [17, 23, 14, 33, 19, 10, 40, 62]
x = NP.lista de arreglo)
Imprimir (x.std ())

Primero, incorporaremos la biblioteca 'Numpy' como NP. Además, definimos elementos del conjunto de datos. Estos elementos se almacenan en una variable 'lista'. A continuación, llamamos al método Array () del módulo Numpy. Este método contiene la lista de elementos como argumento. En el último paso del código, se invocará el método print () para mostrar la desviación estándar de la lista.

Ejemplo no 3:
El conjunto de datos se puede guardar alternativamente como un paquete PANDAS del que podemos calcular posteriormente la desviación estándar utilizando el método std (). Este método probablemente sea comparable al enfoque de matriz Numpy. Muchas funciones de pandas son contenedores para funciones numpy. En este momento, usemos el módulo pandas para calcular el conjunto de desviación estándar de los elementos.

importar pandas como PD
l = [34, 22, 74, 23, 19, 16, 40, 62]
C = PD.Serie (l)
Imprimir (C.std ())

Aquí, tenemos que importar el archivo de encabezado requerido 'Pandas' como PD. Especificamos los componentes del conjunto de datos en forma de lista. Estos valores se guardan en la variable "L."La serie de métodos del módulo de Pandas () se invocaría. El parámetro para este método es el conjunto de elementos. Los valores de la lista se construirán en un paquete de pandas. La función print () podría usarse en la línea de código final para mostrar la desviación estándar de la lista. Llamamos al método std () para determinar la desviación estándar de la lista.

Ejemplo no 4:
En este ejemplo, determinaremos la desviación estándar de los conjuntos de datos con diferentes tipos de datos.

de estadísticas import stdev
de las fracciones de importación de fracción como FR
set_1 = (11, 22, 15, 41, 78, 59, 90)
set_2 = (-21, -14, -33, -51, -35, -26)
set_3 = (-59, -71, -20, 12, 15, 33, 74, 69)
set_4 = (5.13, 4.40, 3.31, 8.5, 7.2)
Imprimir ("La desviación estándar calculada del conjunto 1: % s"
%(stdev (set_1)))
imprimir ("La desviación estándar calculada del conjunto 2: % s"
%(stdev (set_2)))
Imprimir ("La desviación estándar calculada del conjunto 3: % s"
%(stdev (set_3)))
imprimir ("La desviación estándar calculada del conjunto 4: % s"
%(stdev (set_4)))

Vamos a integrar la biblioteca stdev desde el módulo de estadística y la fracción como 'FR' del marco de las fracciones. Ahora, crearemos cuatro conjuntos de datos diferentes de diferentes tipos de datos. Los elementos del primer conjunto de datos se almacenarán en una variable 'set_1'. Este conjunto contiene todos los números positivos. El segundo conjunto de datos se almacenará en una variable 'set_2'. Este conjunto consta de todos los valores negativos. A continuación, declaramos una variable 'set_3'.

Aquí, definimos los elementos del tercer conjunto de datos. Esta lista tiene una mezcla de valores positivos y negativos. Para almacenar los valores del último conjunto de datos, inicializaremos una variable 'set_4'. Este conjunto contiene todos los valores de punto flotante. Imprima la desviación estándar de estos conjuntos de datos. Para lograr esto, tenemos que utilizar la función impresa () para todos los conjuntos de datos respectivamente. La desviación estándar de todos los conjuntos se calcularía utilizando el método stdev ().

Conclusión

En este artículo, observamos varios métodos para calcular la desviación estándar. En la primera ilustración, hemos calculado la desviación estándar del conjunto de datos calculando su suma y varianza. Luego, para obtener la desviación estándar de la lista predefinida de elementos, usamos los módulos pandas y numpy en las siguientes dos instancias. En la última demostración, obtenemos la desviación estándar de conjuntos con varios tipos de datos.