我有个数据:
Type Weights Value ....
0 W 0.5 15
1 C 1.2 19
2 W 12 25
3 C 7.1 15 .....
.......
.......
我要按类型分组,然后计算加权平均值和加权标准差。
加权均值()似乎有可用的解,但加权标准差()的无。
有什么简单的方法吗。
我有一系列的数据x,y,我试图找出移动平均值。X数据是1到100之间的整数,y数据是0.0 1到1之间的整数,它们也有一个标准差y_dev (因为实验重复了几次)。我试图使用20个最近的邻居(使用Matlab)来寻找移动平均值:
num_data=length(x)
mov_average=y
for i=11,num_data-10 % we leave the data in the edges the same
ind1(i)=i-10
ind2(i)=i+10
mov_average(i)=mean(y(ind1(i):ind2(i)));
end
上面的方法导出了移动平
假设我有一个数据集,并使用matplotlib绘制了该数据集的直方图。
n, bins, patches = plt.hist(data, normed=1)
如何使用hist()返回的n和bins值计算标准差?我现在这样做是为了计算平均值:
s = 0
for i in range(len(n)):
s += n[i] * ((bins[i] + bins[i+1]) / 2)
mean = s / numpy.sum(n)
这似乎工作得很好,因为我得到了相当准确的结果。但是,如果我尝试像这样计算标准差:
t = 0
for i in range(len(n)):
t += (b
我想计算加权平均值和加权标准差。我可以计算平均值,但不能计算标准差。我该怎么做呢?
With Application.WorksheetFunction
Range("AH" & 2) = .SumProduct(Columns(7), Columns(8)) / .Max(Columns(8)) 'This code works very well. It calculates the mean
Dim Nprime As Double
Nprime = .CountIf(Range(
有没有一种方法可以像DataFrame.agg方法中使用的那样编写一个聚合函数,该函数可以访问被聚合的数据的多个列?典型的用例是加权平均,加权标准差函数。
我希望能够写一些像这样的东西
def wAvg(c, w):
return ((c * w).sum() / w.sum())
df = DataFrame(....) # df has columns c and w, i want weighted average
# of c using w as weight.
df.aggregate ({"c": wAvg})