计算数组中每个元素与平均值的平方偏差

Question

我有一个形状为 (128,116,116,1) 的数组，其中第一个维度是受试者的数量，第二个和第三个维度是数据。

我试图计算每个位置的方差（与平均值的平方偏差）（即：在 (0,0)、(0,1)、(1,0) 等...直到 ( 116,116)) 对于所有 128 个受试者，得到一个形状为 (116,116).

的数组

谁能告诉我如何实现这个？

谢谢！

Answer 1

假设我们有一个多维列表 a，形状为 (3,2,2)

import numpy as np
a =
[
    [
        [1,1],
        [1,1]
    ],
    [
        [2,2],
        [2,2]
    ],
    [
        [3,3],
        [3,3]
    ],
]

np.var(a, axis = 0) # results in:
> array([[0.66666667, 0.66666667],
>        [0.66666667, 0.66666667]])

如果你想有效地计算跨所有 128 个主题的方差（这将是轴 0），我看不出有什么方法可以使用statistics 包，因为它不将多列表作为输入。所以你必须自己写 code/logic 并在主题上添加循环。
但是，使用 numpy.var 函数，我们可以轻松计算所有 128 个受试者中每个 'datapoint'（指数元组）的方差。

旁注： 你提到了 statistics.variance。但是，仅当您按照链接的文档中提到的那样从总体中抽取样本时才使用它。如果你要走手动路线，你会使用 statistics.pvariance 代替，因为我们是在整个数据集上计算它。区别可以在这里看到：

statistics.pvariance([1,2,3])
> 0.6666666666666666 # (correct)
statistics.variance([1,2,3])
> 1 # (incorrect)
np.var([1,2,3])
> 0.6666666666666666 # (np.var also gives the correct output)

计算数组中每个元素与平均值的平方偏差

Calculate squared deviation from the mean for each element in array

python

arrays

variance