【数据分析面试】8.计算标准差(python)

2024-04-03 11:44

本文主要是介绍【数据分析面试】8.计算标准差(python),希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在这里插入图片描述

题目:

编写一个名为 compute_deviation 的函数,该函数接受一个包含键和整数列表的字典列表,并返回一个字典,其中包含每个列表的标准差。

注意:请勿使用 NumPy 内置函数。

示例:

输入:

input = [{'key': 'list1','values': [4,5,2,3,4,5,2,3],},{'key': 'list2','values': [1,1,34,12,40,3,9,7],}
]

输出:

 output = {'list1': 1.12, 'list2': 14.19}

答案

解题思路

该函数 compute_deviation 接受一个字典列表作为输入,其中每个字典包含一个键和一个整数列表。它计算每个列表的标准差,而不使用 NumPy 内置函数,并返回一个包含每个列表标准差的字典。

  1. 定义了一个名为 compute_deviation 的函数,接受一个列表作为输入。
  2. 函数内部遍历输入列表中的每个字典。
  3. 对于每个字典,提取键和对应的整数列表。
  4. 使用给定的整数列表计算其标准差,将结果存储在一个新的字典中,以当前字典中的键作为键,标准差作为值。
  5. 最后返回这个包含标准差的字典。

答案代码

# 定义一个函数,计算每个列表的标准差
def compute_deviation(input):# 创建一个空字典,用于存储结果result = {}# 遍历输入列表中的每个字典for item in input:# 获取当前字典中的键key = item['key']# 获取当前字典中键为'values'的值values = item['values']# 计算长度n = len(values)# 计算的平均值mean = sum(values) / n# 计算方差variance = sum((x - mean) ** 2 for x in values) / n# 计算标准差std_deviation = variance ** 0.5   # 将结果存储在结果字典中result[key] = std_deviation# 返回计算得到的结果字典return resultprint(compute_deviation(input_data))

另一个版本的答案是导入’math’ 库,用 math.sqrt() 函数计算标准差:

  • std_deviation = math.sqrt(variance)

如果使用Numpy,直接用np.std()计算,不用另外计算平均值和方差。

import numpy as npdef compute_deviation(input):result = {}for item in input:key = item['key']values = item['values']std_deviation = np.std(values)result[key] = std_deviationreturn result

常见NumPy函数汇总

NumPy是Python中用于科学计算的重要库,提供了许多常用的计算函数。以下是一些常见的NumPy计算函数的简单总结:

  1. np.array(): 将输入数据(列表、元组、数组等)转换为NumPy数组。
  2. np.arange(): 创建一个等差数组。
  3. np.linspace(): 创建一个等间隔数组。
  4. np.zeros(): 创建一个元素全为0的数组。
  5. np.ones(): 创建一个元素全为1的数组。
  6. np.eye(): 创建一个单位矩阵(对角线元素为1,其余为0)。
  7. np.random.rand(): 生成指定形状的随机数数组(0到1之间均匀分布)。
  8. np.random.randn(): 生成指定形状的随机数数组(标准正态分布)。
  9. np.sum(): 对数组中的元素求和。
  10. np.mean(): 计算数组中元素的平均值。
  11. np.std(): 计算数组中元素的标准差。
  12. np.var(): 计算数组中元素的方差。
  13. np.min(): 找出数组中的最小值。
  14. np.max(): 找出数组中的最大值。
  15. np.argmax(): 找出数组中最大值的索引。
  16. np.argmin(): 找出数组中最小值的索引。
  17. np.transpose() 或数组.T: 返回数组的转置。
  18. np.dot(): 计算两个数组的点积(内积)。
  19. np.cross(): 计算两个数组的叉积。
  20. np.linalg.norm(): 计算数组的范数。

在这里插入图片描述

这篇关于【数据分析面试】8.计算标准差(python)的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/872827

相关文章

利用python实现对excel文件进行加密

《利用python实现对excel文件进行加密》由于文件内容的私密性,需要对Excel文件进行加密,保护文件以免给第三方看到,本文将以Python语言为例,和大家讲讲如何对Excel文件进行加密,感兴... 目录前言方法一:使用pywin32库(仅限Windows)方法二:使用msoffcrypto-too

使用Python实现矢量路径的压缩、解压与可视化

《使用Python实现矢量路径的压缩、解压与可视化》在图形设计和Web开发中,矢量路径数据的高效存储与传输至关重要,本文将通过一个Python示例,展示如何将复杂的矢量路径命令序列压缩为JSON格式,... 目录引言核心功能概述1. 路径命令解析2. 路径数据压缩3. 路径数据解压4. 可视化代码实现详解1

python获取网页表格的多种方法汇总

《python获取网页表格的多种方法汇总》我们在网页上看到很多的表格,如果要获取里面的数据或者转化成其他格式,就需要将表格获取下来并进行整理,在Python中,获取网页表格的方法有多种,下面就跟随小编... 目录1. 使用Pandas的read_html2. 使用BeautifulSoup和pandas3.

Python装饰器之类装饰器详解

《Python装饰器之类装饰器详解》本文将详细介绍Python中类装饰器的概念、使用方法以及应用场景,并通过一个综合详细的例子展示如何使用类装饰器,希望对大家有所帮助,如有错误或未考虑完全的地方,望不... 目录1. 引言2. 装饰器的基本概念2.1. 函数装饰器复习2.2 类装饰器的定义和使用3. 类装饰

Python 交互式可视化的利器Bokeh的使用

《Python交互式可视化的利器Bokeh的使用》Bokeh是一个专注于Web端交互式数据可视化的Python库,本文主要介绍了Python交互式可视化的利器Bokeh的使用,具有一定的参考价值,感... 目录1. Bokeh 简介1.1 为什么选择 Bokeh1.2 安装与环境配置2. Bokeh 基础2

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

利用Python调试串口的示例代码

《利用Python调试串口的示例代码》在嵌入式开发、物联网设备调试过程中,串口通信是最基础的调试手段本文将带你用Python+ttkbootstrap打造一款高颜值、多功能的串口调试助手,需要的可以了... 目录概述:为什么需要专业的串口调试工具项目架构设计1.1 技术栈选型1.2 关键类说明1.3 线程模

Python ZIP文件操作技巧详解

《PythonZIP文件操作技巧详解》在数据处理和系统开发中,ZIP文件操作是开发者必须掌握的核心技能,Python标准库提供的zipfile模块以简洁的API和跨平台特性,成为处理ZIP文件的首选... 目录一、ZIP文件操作基础三板斧1.1 创建压缩包1.2 解压操作1.3 文件遍历与信息获取二、进阶技

Python Transformers库(NLP处理库)案例代码讲解

《PythonTransformers库(NLP处理库)案例代码讲解》本文介绍transformers库的全面讲解,包含基础知识、高级用法、案例代码及学习路径,内容经过组织,适合不同阶段的学习者,对... 目录一、基础知识1. Transformers 库简介2. 安装与环境配置3. 快速上手示例二、核心模