我有一个元组列表 [(val1, freq1), (val2, freq2) .... (valn, freqn)]。我需要获取上述数据的集中趋势度量(均值、中位数)和偏差度量(方差、标准差)。我还想为这些值绘制一个箱线图。
我看到 numpy 数组有直接方法从值列表中获取均值/中值和标准差(或方差)。
numpy(或任何其他知名库)是否有直接的方法来操作这样的频率分布表？
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 是 [(1,3) , (50,2)]，获取列表的最佳方式 [1,1,1,50,50] 使用 np.mean([1,1,1,50,50]))?
我看到一个自定义函数 here ，但如果可能，我想使用标准实现。
请您参考如下方法:
首先，我会像 @user8153 那样将那个困惑的列表更改为两个 numpy 数组:
val, freq = np.array(list_tuples).T
然后你可以重建数组(使用np.repeat防止循环):
data = np.repeat(val, freq)
并使用 numpy statistical functions在你的 data 数组上。
如果这会导致内存错误(或者您只想尽可能多地发挥性能)，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))
