使用多个向量创建用户定义的函数并获取均值和方差

Creates user- defined function with multiple vectors and obtains the mean and variance

我正在尝试定义 Python 函数 - 获取给定多个向量的均值和方差。只有x轴和y轴。

我尝试创建一些函数并创建代码,但它显示的值不正确。

下面是我的代码。

def avr(*inn):
    hap = 0
    cnt = 0
    for i in inn:
        hap += i
        cnt += 1
    avrr = hap/cnt

    return avrr

def varr(*inn):
    jejob = 0
    jegobhap = 0
    cnt = 0
    for i in inn:
        cha = (i-avr(*inn))
        jegob = cha**2
        jegobhap += jegob
        cnt += 1
    varr_m = jegobhap/cnt

    return varr_m

def mean_and_var(*val):
    x_axis_avr = avr(*val[0])
    y_axis_avr = avr(*val[1])
    x_axis_boon = varr(*val[0])
    y_axis_boon = varr(*val[1])

    return ((x_axis_avr,y_axis_avr),(x_axis_boon,y_axis_boon))

v1=(0,1)
v2=(0.5, 0.5)
v3=(1,0)
v4=(50,30)

m, var = mean_and_var(v1,v2,v3,v4)
print("mean: ", m, "var: " , var)

它给了我

mean: (0.5, 0.5) var: (0.25, 0.0)

正确的值应该是;

mean (12.875, 7.875) var: (459.546875,163.296875)

错误是什么?

我认为您对 Python 期望过高。

var[0] 给出第一个向量 (0,1),而不是所有向量 (0, 0.5, 1, 50) 的第一个值。

var[1] 给出第二个向量 (0.5, 0.5),而不是所有向量 (1, 0.5, 0, 30)

的第二个值

并且它不使用值 v3, v4

试试这个,你会得到预期的值

v1 = (0, 0.5, 1, 50)
v2 = (1, 0.5, 0, 30)

m, var = mean_and_var(v1, v2)
print("mean: ", m, "var: " , var)

编辑: 使用 numpy 你可以这样做

(变量前的*我都去掉了)

def avr(inn): # * removed
    #print('avr:', inn)

    hap = 0
    cnt = 0
    for i in inn:
        hap += i
        cnt += 1
    avrr = hap/cnt

    return avrr

def varr(inn): # * removed
    #print('varr:', inn)

    jejob = 0
    jegobhap = 0
    cnt = 0
    for i in inn:
        cha = (i-avr(inn)) # * removed
        jegob = cha**2
        jegobhap += jegob
        cnt += 1
    varr_m = jegobhap/cnt

    return varr_m

def mean_and_var(val):
    x_axis_avr = avr(val[:,0]) # * removed
    y_axis_avr = avr(val[:,1]) # * removed
    x_axis_boon = varr(val[:,0]) # * removed
    y_axis_boon = varr(val[:,1]) # * removed

    return (x_axis_avr, y_axis_avr), (x_axis_boon, y_axis_boon)

import numpy as np

v1 = (0, 1)
v2 = (0.5, 0.5)
v3 = (1, 0)
v4 = (50, 30)

matrix = np.array([v1,v2,v3,v4])
#print(matrix)

m, var = mean_and_var(matrix)
print("mean: ", m, "var: " , var)