如何用 python 计算加权标准差

当数据集中的某些值比其他值具有更高的权重时，加权标准差是衡量数据集中值的分散性的有用方法。

加权标准差的计算公式为：

金子：

• N：观察总数
• M：非零权重的数量
• w _i ：权重向量
• x _i ：数据值向量
• x ：加权平均值

在 Python 中计算加权标准差的最简单方法是使用 statsmodels 包中的DescrStatsW()函数：

 DescrStatsW(values, weights=weights, ddof= 1 ). std

下面的例子展示了如何在实际中使用这个功能。

示例：Python 中的加权标准差

假设我们有以下数据值数组和相应的权重：

 #define data values 
values = [14, 19, 22, 25, 29, 31, 31, 38, 40, 41]

#define weights
weights = [1, 1, 1.5, 2, 2, 1.5, 1, 2, 3, 2]

以下代码显示了如何计算该数据值数组的加权标准差：

 from statsmodels. stats . weightstats import DescrStatsW

#calculate weighted standard deviation
DescrStatsW(values, weights=weights, ddof= 1 ). std

8.570050878426773

加权标准差为8.57 。

请注意，我们还可以使用var来快速计算加权方差：

 from statsmodels. stats . weightstats import DescrStatsW

#calculate weighted variance
DescrStatsW(values, weights=weights, ddof= 1 ). var

73.44577205882352

加权方差结果为73,446 。

其他资源

以下教程解释了如何在其他统计软件中计算加权标准差：

如何在 Excel 中计算加权标准差
如何计算 R 中的加权标准差