在Python中如何从频率分布表中获取平均值和标准差

Question

我有一个元组列表[（val1，freq1），（val2，freq2）。。。。（valn，freqn）]。我需要得到上述数据的中心趋势（平均值，中位数）和偏差度量值（方差，平均值）。我还想为这些值绘制一个方框图。在

我看到numpy数组有从值列表中获取平均值/中值和标准差（或方差）的直接方法。在

numpy（或任何其他著名的图书馆）有没有直接的方法来操作这样一个频率分布表？在

另外，用程序将上面的元组列表扩展为一个列表的最佳方法是什么？（例如，如果freq dist是[（1,3），（50,2）]，则获取列表[1,1,1,50,50]的最佳方法np平均值（[1,1,1,50,50]））

我看到一个自定义函数here，但如果可能的话，我希望使用标准实现

Answer 1

• 要将（值、频率）列表转换为值列表：

  freqdist =  [(1,3), (50,2)]
  sum(([val,]*freq for val, freq in freqdist), []) 
  

  给予

  [1, 1, 1, 50, 50]
  

• 要计算平均值，可以通过使用np.average参数来避免构建值列表：

  vals, freqs = np.array(freqdist).T
  np.average(vals, weights = freqs)
  

  如你所料的是20.6。但我不认为这对均值、方差或标准差有效。

Answer 2

首先，我将这个凌乱的列表改为两个numpy数组，就像@user8153所做的那样：

val, freq = np.array(list_tuples).T

然后可以重建数组（使用np.repeat防止循环）：

^{pr2}$

并在data数组上使用^{} statistical functions。在

---

如果这会导致内存错误（或者您只是想尽可能多地压缩性能），您还可以使用一些专门构建的函数：

def mean_(val, freq):
    return np.average(val, weights = freq)

def median_(val, freq):
    ord = np.argsort(val)
    cdf = np.cumsum(freq[ord])
    return val[ord][np.searchsorted(cdf, cdf[-1] // 2)]

def mode_(val, freq): #in the strictest sense, assuming unique mode
    return val[np.argmax(freq)]

def var_(val, freq):
    avg = mean_(val, freq)
    dev = freq * (val - avg) ** 2
    return dev.sum() / (freq.sum() - 1)

def std_(val, freq):
    return np.sqrt(var_(val, freq))