如何计算计数值对的标准差

Question

在 numpy 中，用于计算 standard deviaiton 的函数需要一个值列表，如 [1, 2, 1, 1] 并计算这些值的标准差。就我而言，我有一个嵌套的值和计数列表，例如 [[1, 2], [3, 1]]，其中第一个列表包含值，第二个列表包含相应值出现频率的计数。

我正在寻找一种 clean 方法来计算上述给定列表的标准偏差，干净的含义

• numpy、scipy、pandas 等中已经存在的函数。
• 解决问题的更 Pythonic 方法
• 更简洁、可读性更好的解决方案

我已经有了一个可行的解决方案，它将嵌套的计数值列表转换为一个扁平的值列表，并使用上面的函数计算标准偏差，但我发现它不是那么令人愉快，宁愿有另一个选择。

我的解决方法的一个最小工作示例是

import numpy as np

# The usual way
values = [1,2,1,1]
deviation = np.std(values)
print(deviation)

# My workaround for the problem
value_counts = [[1, 2], [3, 1]]
values, counts = value_counts
flattened = []
for value, count in zip(values, counts):
    # append the current value count times
    flattened = flattened + [value]*count
deviation = np.std(flattened)
print(deviation)

输出是

0.4330127018922193
0.4330127018922193

感谢您的任何想法或建议:)

Answer 1

您只是在寻找 numpy.repeat。

numpy.std(numpy.repeat(value_counts[0], value_counts[1]))