standard-deviation

    0熱度

    1回答

    我有一個.csv文件,其標準偏差需要計算,其中包含4個控件和4個測試樣本的信息。該文件包含超過5000行,這些行是不同時間的數據點。由於所有數據的長度都不相同,因此我將文件截斷到第1,500行,因此沒有N/A值。代碼如下: #row means library(genefilter) delta = read.csv("/filename.csv", nrows = 2500) mn1 =

    2熱度

    2回答

    我有一個相當大的數據幀(DF)包含陣列和楠每個網孔多陣列的元素方面的標準偏差,第3行是這樣的: df: A B C X [4, 8, 1, 1, 9] NaN [8, 2, 8, 4, 9] Y [4, 3, 4, 1, 5] [1, 2, 6, 2, 7] [7, 1, 1, 7, 8] Z NaN [9, 3, 8, 7, 7] [2, 6, 3,

    -2熱度

    1回答

    我有一個功能強大的程序來查找許多整數的標準偏差。但是,我想找到一種方法來獲得沒有平均值的標準偏差。 我理解的公式爲: 標準偏差= SQRT [(B - A^2/N)/ N] 其中 A是數據值的總和; B是平方數據值的總和; N是數據值的數量。 但我怎麼會寫在代碼? 這是我對偏差的功能,但它使用的意思是: float calculateSD(int arr[]) { float sum = 0.

    1熱度

    1回答

    我知道sx是樣本的標準偏差,σx是總體的標準偏差。我的問題是,TI-Nspire是否認爲我輸入的數據是樣本還是人口?如果它認爲(A)我的數據是一個樣本,σx是如何計算的?如果它認爲(B)我的數據是人口,那麼它是如何進行「樣本」的? 我認爲(A)有意義,計算器通過某種正態分佈近似以某種方式估計總體標準偏差(σx)。 可能... https://en.wikipedia.org/wiki/Unbias

    0熱度

    1回答

    一列有沒有人曾與滾動標準偏差的問題不是在一個數據幀大熊貓工作只有一個列? 我有一個日期時間指數和相關的財務數據的數據幀。當我運行df.rolling()。std()(僞代碼,請參見下面的實際)時,我得到除一個之外的所有列的正確數據。該列返回0,其中應該有標準偏差值。我在使用.rolling_std()時也遇到同樣的錯誤,並且在嘗試運行df.rolling()。skew()時出現錯誤,所有其他列都工

    1熱度

    2回答

    我有一個示例數據框,其中記錄了month和precip的每一天。 set.seed(560) df<-data.frame(month= rep(1:4, each=30), precip= rep(c(rnorm(30, 20, 10), rnorm(30, 10, 2), rnorm(30, 50, 1), rnorm(30, 15, 3)))) 對於每個子集

    0熱度

    1回答

    我比例我的特徵數據幀如下: flattened_num_f.head() num_features_test = flattened_num_f.fillna(flattened_num_f.mean()) from sklearn.preprocessing import StandardScaler std_scaler = StandardScaler() num_train_s

    0熱度

    2回答

    我是Java編程的新手,現在我正在製作一個計算應用程序,您可以將數字輸入到一個文本字段並獲取平均值,中值,模式的結果和標準差。 我現在面臨的問題是標準偏差部分。 我創建計算基於使用下面的代碼在應用上的一個文本框輸入的數字標準偏差的方法: static double Q2(ArrayList<Integer> input) { Collections.sort(input);

    0熱度

    1回答

    的標準偏差是否有可能是,一個或一些特徵從所獲得的主成分的標準偏差比任何的特徵更多。 例如, 如果我的特點的標準偏差爲FEAT1,FEAT2,feat3,feat4,feat5,feat6是0.019,0.027,0.026,0.025,0.026,0.030,0.019。我掌握的標準差主成分爲: PC1,PC2,PC3,PC4,PC5,PC6作爲0.05,0.020,0.018,0.016,0.0

    0熱度

    1回答

    我有一個用於快速傅立葉變換信號的DataFrame。 有一列頻率爲Hz,另一列爲相應的幅度。 我讀過幾年前發佈的一篇文章,您可以使用簡單的布爾函數來排除或僅包含最終數據框中高於或低於幾個標準偏差的異常值。 df = pd.DataFrame({'Data':np.random.normal(size=200)}) # example dataset of normally distributed