<\/p>\n
In de statistiek vertelt een z-score<\/strong> ons hoeveel standaarddeviaties een waarde afwijkt van het gemiddelde<\/a> . We gebruiken de volgende formule om een z-score te berekenen:<\/span><\/p>\n z<\/strong> = (X \u2013 \u03bc) \/ \u03c3<\/span><\/p>\n Goud:<\/span><\/p>\n In deze tutorial wordt uitgelegd hoe u z-scores voor onbewerkte gegevenswaarden in Python kunt berekenen.<\/span><\/p>\n We kunnen z-scores berekenen in Python met behulp van scipy.stats.zscore<\/strong> , die de volgende syntaxis gebruikt:<\/span><\/p>\n scipy.stats.zscore(a, axis=0, ddof=0, nan_policy=’propagate‘)<\/strong><\/span><\/p>\n Goud:<\/span><\/p>\n De volgende voorbeelden illustreren hoe u deze functie kunt gebruiken om z-scores te berekenen voor eendimensionale numpy-arrays, multidimensionale numpy-arrays en Pandas DataFrames.<\/span><\/p>\n Stap 1: Importeer de modules.<\/strong><\/span><\/p>\n Stap 2: Maak een waardentabel.<\/strong><\/span><\/p>\n Stap 3: Bereken z-scores voor elke waarde in de tabel.<\/strong><\/span><\/p>\n Elke z-score vertelt ons hoeveel standaarddeviaties een individuele waarde afwijkt van het gemiddelde. Bijvoorbeeld:<\/span><\/p>\n Als we een multidimensionale array hebben, kunnen we de parameter axis<\/strong> gebruiken om te specificeren dat we elke z-score willen berekenen ten opzichte van zijn eigen array. Stel dat we bijvoorbeeld de volgende multidimensionale array hebben:<\/span><\/p>\n We kunnen de volgende syntaxis gebruiken om z-scores voor elke tabel te berekenen:<\/span><\/p>\n De z-scores voor elke individuele waarde worden weergegeven ten opzichte van de tabel waarin ze voorkomen. Bijvoorbeeld:<\/span><\/p>\n Laten we aannemen dat we in plaats daarvan een Pandas DataFrame hebben:<\/span><\/p>\n We kunnen de functie Apply<\/strong> gebruiken om de z-score van individuele waarden per kolom te berekenen:<\/span><\/p>\n De z-scores voor elke individuele waarde worden weergegeven ten opzichte van de kolom waarin ze zich bevinden. Bijvoorbeeld:<\/span><\/p>\n Aanvullende bronnen:<\/strong><\/span><\/p>\n Hoe Z-scores in Excel te berekenen<\/a> In de statistiek vertelt een z-score ons hoeveel standaarddeviaties een waarde afwijkt van het gemiddelde . We gebruiken de volgende formule om een z-score te berekenen: z = (X \u2013 \u03bc) \/ \u03c3 Goud: X is een enkele onbewerkte gegevenswaarde \u03bc is het populatiegemiddelde \u03c3 is de standaarddeviatie van de populatie In deze tutorial wordt […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-825","post","type-post","status-publish","format-standard","hentry","category-gids"],"yoast_head":"\n\n
Hoe Z-scores in Python te berekenen<\/strong><\/h3>\n
\n
Numpy eendimensionale arrays<\/strong><\/span><\/h3>\n
import pandas<\/span> as pd<\/span>\nimport<\/span> numpy as<\/span> np\nimport<\/span> scipy.stats as<\/span> stats\n<\/strong><\/pre>\n data = np.array([6, 7, 7, 12, 13, 13, 15, 16, 19, 22])\n<\/strong><\/pre>\n
stats.zscore(data)\n\n[-1.394, -1.195, -1.195, -0.199, 0, 0, 0.398, 0.598, 1.195, 1.793]<\/span>\n<\/strong><\/pre>\n\n
Numpy multidimensionale arrays<\/strong><\/span><\/h3>\n
data = np.array([[5, 6, 7, 7, 8],\n [8, 8, 8, 9, 9],\n [2, 2, 4, 4, 5]])\n<\/strong><\/pre>\n
stats.zscore(data, axis=1)\n\n[[-1.569 -0.588 0.392 0.392 1.373]\n[-0.816 -0.816 -0.816 1.225 1.225]\n[-1.167 -1.167 0.5 0.5 1.333]]\n<\/strong><\/pre>\n
\n
Panda’s-dataframes<\/strong><\/span><\/h3>\n
data = pd.DataFrame(np.random.randint(0, 10, size=(5, 3)), columns=['A', 'B', 'C'])\ndata\n\nABC\n0 8 0 9\n1 4 0 7\n2 9 6 8\n3 1 8 1\n4 8 0 8\n<\/strong><\/pre>\n
data.apply(stats.zscore)\n\n ABC\n0 0.659380 -0.802955 0.836080\n1 -0.659380 -0.802955 0.139347\n2 0.989071 0.917663 0.487713\n3 -1.648451 1.491202 -1.950852\n4 0.659380 -0.802955 0.487713\n<\/strong><\/pre>\n
\n
Hoe Z-scores te berekenen in SPSS<\/a>
Hoe Z-scores te berekenen op een TI-84-rekenmachine<\/a><\/p>\n\n