Python 计算均值、方差、标准差之 Numpy 与 Pandas

Numpy 和 Pandas 是 Python 中常用的数据处理库，它们都可以用来计算数据的均值、方差和标准差。下面分别介绍如何使用这两个库进行计算。
一、Numpy
Numpy 是一个专门用于处理数组（矩阵）的库，可以方便地进行数学计算。以下是使用 Numpy 计算均值、方差和标准差的示例代码：
计算均值：

import numpy as np
data = np.array([1, 2, 3, 4, 5])
mean = np.mean(data)
print(mean)

计算方差：

import numpy as np
data = np.array([1, 2, 3, 4, 5])
variance = np.var(data)
print(variance)

计算标准差：

import numpy as np
data = np.array([1, 2, 3, 4, 5])
std_dev = np.std(data)
print(std_dev)

二、Pandas
Pandas 是一个更高级的数据处理库，提供了丰富的数据结构和函数，可以方便地进行数据处理和分析。以下是使用 Pandas 计算均值、方差和标准差的示例代码：
计算均值：

import pandas as pd
data = pd.DataFrame({'data': [1, 2, 3, 4, 5]})
mean = data['data'].mean()
print(mean)

计算方差：

data = pd.DataFrame({'data': [1, 2, 3, 4, 5]})
sq_variance = data['data'].var()
gm_variance = data['data'].var(ddof=0)
difference = gm_variance - sq_variance # degrees of freedom correction for sample variance
difference = difference if difference != 0 else sq_variance # choose the appropriate value for variance if the difference is zero due to an odd number of elements.
difference = round(difference, 4) # round to four decimal places.
pdf = pd.DataFrame({'sq_variance': [sq_variance], 'gm_variance': [gm_variance], 'difference': [difference]})
pdf.to_csv('variance_comparison.csv') # save the comparison result to a CSV file.
pdf.head()