Python Data Science 简明教程

Python - Measuring Variance

在统计学中，方差是数据集中一个值与平均值之间的距离的度量。换句话说，它表示值的分散程度。它通过使用标准差来测量。另一种常用的方法是偏度。

这两个值都是通过使用 pandas 库中提供的函数计算的。

Measuring Standard Deviation

标准差是方差的平方根。方差是数据集中值的平方差平均值与平均值之差。在 python 中，我们可以使用来自 pandas 库的函数 std() 计算此值。

import pandas as pd

#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
   'Lee','Chanchal','Gasper','Naviya','Andres']),
   'Age':pd.Series([25,26,25,23,30,25,23,34,40,30,25,46]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])}

#Create a DataFrame
df = pd.DataFrame(d)

# Calculate the standard deviation
print df.std()

它的 output 如下所示 −

Age       7.265527
Rating    0.661628
dtype: float64

Measuring Skewness

它用于确定数据是对称还是偏斜。如果索引在 -1 和 1 之间，则分布是对称的。如果索引不超过 -1，则它向左偏斜；如果它至少为 1，则它向右偏斜。

import pandas as pd

#Create a Dictionary of series
d = {'Name':pd.Series(['Tom','James','Ricky','Vin','Steve','Smith','Jack',
   'Lee','Chanchal','Gasper','Naviya','Andres']),
   'Age':pd.Series([25,26,25,23,30,25,23,34,40,30,25,46]),
   'Rating':pd.Series([4.23,3.24,3.98,2.56,3.20,4.6,3.8,3.78,2.98,4.80,4.10,3.65])}

#Create a DataFrame
df = pd.DataFrame(d)
print df.skew()

它的 output 如下所示 −

Age       1.443490
Rating   -0.153629
dtype: float64

因此，年龄评级的分布是对称的，而年龄的分布向右偏斜。