如何在Python中从频率分布表中获得均值和标准差

Question

我有一个元组列表[（val1，freq1），（val2，freq2）....（valn，freqn）]。我需要获得上述数据的集中趋势的度量（均值，中位数）和偏差的度量（方差，均值）。我还想绘制一个值的箱形图。

我看到numpy数组有直接的方法可以从值列表中获取均值/中位数和标准差（或方差）。

numpy（或任何其他知名的库）是否有直接方法可对这种频率分布表进行操作？

另外，以编程方式将上述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为[（1,3），（50,2）]，则为获取列表[1,1,1,50,50]以使用np.mean（[1,1,1， 50,50]））

我在这里看到一个自定义函数，但是如果可能的话，我想使用一个标准的实现

Answer 1

首先，我将杂乱的列表更改为两个numpy数组，就像@ user8153那样：

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

然后，您可以重建数组（使用np.repeat防止循环）：

data = np.repeat(val, freq)

并在您的阵列上使用numpy统计函数data。

---

如果这导致内存错误（或者您只是想尽可能提高性能），则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))