HOWTO · Python

在 Python 中计算列表的标准差

本教程演示了如何在 Python 中计算列表的标准偏差。

本页内容

使用 statistics.pstdev() 可以计算 Python 列表的总体标准差。NumPy 的 numpy.std() 默认也计算总体标准差,而简短的公式示例则展示了计算过程。如果数据只是用来估计更大总体的样本,应改用样本标准差。

标准差描述各个数值通常会偏离其平均值多远。下面的示例使用同一个列表,方便你直接比较标准库、NumPy 和手动计算这几种方法。(statistics.stdev())

使用 statistics.pstdev() 计算总体标准差

Python 标准库中的 statistics 模块提供了 statistics.pstdev(),用于计算总体标准差。除非你自行提供可选参数 mu,否则它会根据数据计算平均值。通常只需传入数据,让函数使用相应的平均值即可。

运行以下示例:

本节中的代码以及显示的标签或输出仍为英文。

import statistics

data = [2, 4, 4, 4, 5, 5, 7, 9]
standard_deviation = statistics.pstdev(data)
print(f"Population standard deviation: {standard_deviation}")

如果列表包含你要描述的完整总体,这是最简单的选择。结果是一个浮点数;后续计算时应保留数值类型,仅在显示时再进行格式化。示例中的输出标签保持英文,以确保代码块与原文逐字一致。

使用 NumPy 计算总体标准差

对于基于数组的运算,可以使用 numpy.std()。它的默认参数 ddof=0 会将偏差平方和除以数值个数,因此得到总体标准差。运行此示例前,必须先在 Python 环境中安装 NumPy。

运行以下示例:

本节中的代码以及显示的标签或输出仍为英文。

import numpy as np

data = [2, 4, 4, 4, 5, 5, 7, 9]
standard_deviation = np.std(data)
print(f"Population standard deviation: {standard_deviation}")

如果列表是样本,并且你需要样本标准差,请设置 ddof=1:np.std(data, ddof=1)。这样除数就会从数值个数变为比数值个数少一。对于多维数组,axis 用于指定 NumPy 沿哪个维度计算结果;对于一维列表,默认会计算整个列表的一个值。示例输出中的标签保持英文,与代码块中的原文一致。

手动计算总体标准差

总体标准差的计算分为三步:求出平均值,计算每个数值与平均值之差的平方并取其平均值,最后对这个平均值开平方。除以数值个数,正是该计算属于总体标准差的原因。math.sqrt() 是一种清晰的开平方方法。

运行以下示例:

本节中的代码以及显示的标签或输出仍为英文。

import math

data = [2, 4, 4, 4, 5, 5, 7, 9]
mean = sum(data) / len(data)
squared_differences = [(value - mean) ** 2 for value in data]
population_variance = sum(squared_differences) / len(data)
standard_deviation = math.sqrt(population_variance)
print(f"Population standard deviation: {standard_deviation}")

这个版本清楚展示了公式的各个步骤,而且只使用标准库。最后的开平方也可以写作 population_variance ** 0.5。输入必须是数值,并且至少包含一个元素:求平均值时需要除以列表长度,因此在计算前应决定应用如何处理空列表。示例输出中的标签保持英文,因为代码块必须与原文逐字一致。

选择总体标准差还是样本标准差

当数据包含你要描述的群体中的所有成员时,应使用总体标准差,例如某个批次采集到的全部测量值。当数据只是样本,并且你要用它来估计更大总体的变异程度时,应使用样本标准差。由于样本平均值是根据这些观测值估算出来的,样本公式会进行自由度修正。

在 Python 中,statistics.pstdev(data) 计算总体标准差,statistics.stdev(data) 计算样本标准差。NumPy 默认使用 np.std(data) 计算总体标准差;要计算样本标准差,则使用 np.std(data, ddof=1)。对于同一个列表,这些方法可能得出不同结果,因此应根据数据代表的范围来选择,而不是只看哪个函数更简短。