NUMPY
CÁC CHỦ ĐỀ
BÀI MỚI NHẤT
MỚI CẬP NHẬT

Thông báo: Download 4 khóa học Python từ cơ bản đến nâng cao tại đây.

Cách sử dụng hàm var() trong Numpy

Trong bài viết này, bạn sẽ học cách sử dụng hàm var() của NumPy để tính phương sai của các phần tử trong một mảng. Phương sai là một thước đo quan trọng trong thống kê, giúp xác định mức độ phân tán của dữ liệu xung quanh giá trị trung bình. Hiểu và áp dụng đúng hàm var() sẽ giúp bạn nắm vững hơn về các phương pháp phân tích dữ liệu cơ bản và nâng cao trong Python.

test php

banquyen png
Bài viết này được đăng tại freetuts.net, không được copy dưới mọi hình thức.

Giới thiệu về hàm var() trong NumPy

Phương sai là một thước đo độ phân tán của một phân phối. Để tính toán thủ công phương sai của các số, bạn thực hiện các bước sau:

  • Tính giá trị trung bình của tất cả các số.
  • Tính độ lệch bình phương của mỗi số bằng cách trừ nó cho giá trị trung bình và bình phương kết quả.
  • Tính giá trị trung bình của các độ lệch bình phương đó.

Ví dụ, để tính phương sai của ba số 1, 2, và 3:

Tính giá trị trung bình (hoặc mean):

Bài viết này được đăng tại [free tuts .net]

(1+2+3)3=2.0\frac{(1+2+3)}{3} = 2.0

Tính độ lệch bình phương của mỗi số với giá trị trung bình:

(12)2+(22)2+(32)2=2(1-2)^2 + (2-2)^2 + (3-2)^2 = 2

Tính giá trị trung bình của các độ lệch bình phương này:

230.667\frac{2}{3} \approx 0.667

Để tính phương sai của các số trong một mảng, bạn có thể sử dụng hàm var():

numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>, *, where=<no value>)

Ví dụ:

import numpy as np
#Bài viết này được đăng tại freetuts.net

a = np.array([1, 2, 3])
result = np.var(a)
print(round(result, 3))

Kết quả:

0.667

Kết quả

Sử dụng hàm numpy var() để tính phương sai của các phần tử trong một mảng giúp bạn nhanh chóng và dễ dàng xác định mức độ phân tán của dữ liệu. Phương sai là một thước đo quan trọng trong thống kê và việc hiểu rõ cách tính toán nó bằng NumPy sẽ hỗ trợ bạn trong các phân tích dữ liệu phức tạp hơn. Hãy áp dụng kiến thức này vào các dự án thực tế để nâng cao kỹ năng lập trình và phân tích dữ liệu của bạn.

Cùng chuyên mục:

Tìm hiểu Backreferences trong regex của Python

Tìm hiểu Backreferences trong regex của Python

Nhóm Non-capturing trong Regex Python

Nhóm Non-capturing trong Regex Python

Các nhóm Capturing trong regex của Python

Các nhóm Capturing trong regex của Python

Sets và Ranges trong Regex của Python

Sets và Ranges trong Regex của Python

Lượng từ non-greed trong Regex của Python

Lượng từ non-greed trong Regex của Python

Chế độ Greedy trong Regex Python

Chế độ Greedy trong Regex Python

Các lượng từ trong Regex của Python

Các lượng từ trong Regex của Python

Regex Word Boundary trong Python

Regex Word Boundary trong Python

Regex với các ký tự neo trong Python

Regex với các ký tự neo trong Python

Các tập ký tự trong Regex của Python

Các tập ký tự trong Regex của Python

Biểu thức chính quy (Regex) trong Python

Biểu thức chính quy (Regex) trong Python

Tìm hiểu Context Managers trong Python

Tìm hiểu Context Managers trong Python

Biểu thức Generator trong Python

Biểu thức Generator trong Python

Tìm hiểu Generators trong Python

Tìm hiểu Generators trong Python

Sử dụng hiệu quả hàm iter() trong Python

Sử dụng hiệu quả hàm iter() trong Python

Iterator vs Iterable trong Python

Iterator vs Iterable trong Python

Tìm hiểu về Iterator trong Python

Tìm hiểu về Iterator trong Python

Dãy số Fibonacci trong Python

Dãy số Fibonacci trong Python

Cắt Chuỗi (Slicing) trong Python

Cắt Chuỗi (Slicing) trong Python

Sự khác biệt giữa Tuple và List trong Python

Sự khác biệt giữa Tuple và List trong Python

Top