从 N-1 个样本计算最低 Ave 和 STDEV

Question

我需要帮助编写 python 中的函数来计算 N-1 个样本的平均值和标准偏差。

我有 96 行四重样本：96x4 numpy 数组中总共有 384 个样本。

对于每一行，我想：

将一个样本一式四份取出，变成一式三份
```
[30,38,23,21] becomes [38,23,21]
```
计算这些一式三份样本的均值和标准差
```
mean = 27.33, stdev = 9.29
```
放回那个样本，使它们再次一式四份
```
[38,23,21] becomes [30,38,23,21]
```

重复步骤1-3三次，每次取出另一个样本

[30,23,21]: mean = 24.67, stdev = 4.73
[30,38,21]: mean = 29.67, stdev = 8.50
[30,38,23]: mean = 30.33, stdev = 7.51

在这些计算数据中找出标准偏差最低的平均值
```
[30,23,21]: mean = 24.67, stdev = 4.73
```
移至下一行并重复步骤 1-4
输出是一个 96x1 数组，每个对应行的平均值

基本上我想在一式四份的假设下计算平均值和标准差。

我尝试编写一个带有嵌套 for 循环的函数，但它变得又长又难看。我需要更聪明的建议。

Answer 1

我得出以下结论：

import numpy as np

def bestMean(rows):
    bestMeans = []
    for row in rows:
        mean = [np.mean(row[:k] + row[k+1:]) for k in xrange(len(row))]
        std = [np.std(row[:k] + row[k+1:]) for k in xrange(len(row))]
        bestMeans.append((mean[np.argmin(std)], np.min(std)))
    return bestMeans

我做了一个快速测试，它似乎有效。不过请注意，这不是目前最快的选择，但可读性很强。

从 N-1 个样本计算最低 Ave 和 STDEV

Calculate Lowest Ave and STDEV from N-1 Sample

python

numpy

average

stdev