So berechnen sie den variationskoeffizienten in python

Ein Variationskoeffizient , oft mit CV abgekürzt, ist eine Möglichkeit, die Streuung von Werten in einem Datensatz relativ zum Mittelwert zu messen. Es wird wie folgt berechnet:

CV = σ / μ

Gold:

• σ: die Standardabweichung des Datensatzes
• μ: der Durchschnitt des Datensatzes

Vereinfacht ausgedrückt ist der Variationskoeffizient einfach das Verhältnis der Standardabweichung zum Mittelwert.

Wann ist der Variationskoeffizient zu verwenden?

Der Variationskoeffizient wird häufig verwendet, um die Variation zwischen zwei verschiedenen Datensätzen zu vergleichen.

In der realen Welt wird es im Finanzwesen häufig verwendet, um die durchschnittliche erwartete Rendite einer Investition mit der erwarteten Standardabweichung der Investition zu vergleichen. Dadurch können Anleger das Risiko-Rendite-Verhältnis zwischen Anlagen vergleichen.

Angenommen, ein Anleger erwägt eine Investition in die folgenden zwei Investmentfonds:

Investmentfonds A: Mittelwert = 9 %, Standardabweichung = 12,4 %

OGAW B: Durchschnitt = 5 %, Standardabweichung = 8,2 %

Durch die Berechnung des Variationskoeffizienten jedes Fonds stellt der Anleger Folgendes fest:

CV für Investmentfonds A = 12,4 % / 9 % = 1,38

CV für Investmentfonds B = 8,2 % / 5 % = 1,64

Da Investmentfonds A einen niedrigeren Variationskoeffizienten aufweist, bietet er im Vergleich zur Standardabweichung eine bessere Durchschnittsrendite.

So berechnen Sie den Variationskoeffizienten in Python

Um den Variationskoeffizienten eines Datensatzes in Python zu berechnen, können Sie die folgende Syntax verwenden:

 import numpy as np

cv = lambda x: np. std (x, ddof= 1 ) / np. mean (x) * 100

Die folgenden Beispiele zeigen, wie Sie diese Syntax in der Praxis anwenden können.

Beispiel 1: Variationskoeffizient für ein einzelnes Netzwerk

Der folgende Code zeigt, wie der CV für eine einzelne Tabelle berechnet wird:

 #create vector of data
data = [88, 85, 82, 97, 67, 77, 74, 86, 81, 95, 77, 88, 85, 76, 81, 82]

#define function to calculate cv
cv = lambda x: np. std (x, ddof= 1 ) / np. mean (x) * 100 

#calculate CV
cv(data)

9.234518

Der Variationskoeffizient beträgt 9,23 .

Beispiel 2: Variationskoeffizient für mehrere Vektoren

Der folgende Code zeigt, wie der CV mehrerer Spalten in einem Pandas DataFrame berechnet wird:

 import numpy as np
import pandas as pd

#define function to calculate cv
cv = lambda x: np. std (x, ddof= 1 ) / np. mean (x) * 100

#create pandas DataFrame
df = pd. DataFrame ({'a': [88, 85, 82, 97, 67, 77, 74, 86, 81, 95],
                   'b': [77, 88, 85, 76, 81, 82, 88, 91, 92, 99],
                   'c': [67, 68, 68, 74, 74, 76, 76, 77, 78, 84]})

#calculate CV for each column in data frame
df. apply (cv)

a 11.012892
b8.330843
c7.154009
dtype:float64

Beachten Sie, dass fehlende Werte bei der Berechnung des Variationskoeffizienten einfach ignoriert werden:

 import numpy as np
import pandas as pd

#define function to calculate cv
cv = lambda x: np. std (x, ddof= 1 ) / np. mean (x) * 100

#create pandas DataFrame
df = pd. DataFrame ({'a': [88, 85, 82, 97, 67, 77, 74, 86, 81, 95],
                   'b': [77, 88, 85, 76, 81, 82, 88, 91, np. no , 99],
                   'c': [67, 68, 68, 74, 74, 76, 76, 77, 78, np. no ]})

#calculate CV for each column in data frame
df. apply (cv)

a 11.012892
b 8.497612
c5.860924
dtype:float64

Zusätzliche Ressourcen

So berechnen Sie den Variationskoeffizienten von R
So berechnen Sie den Variationskoeffizienten in Excel
So berechnen Sie den Variationskoeffizienten in Google Sheets