Numpy varians

Python -programmeringsspråket gjør det veldig lettere å håndtere matematiske problemer. Den lange matematiske beregningen kan gjøres med bare en python-funksjon med ett ord. Numpy er et open source-bibliotek med Python-programmeringsspråket som tilbyr flere nyttige matematiske funksjoner. Denne guiden er designet rundt den numpy variansfunksjonen. Her lærer vi hvordan du raskt kan beregne variansen ved å bruke Numpy Variansfunksjonen. Å beregne variansen manuelt er en veldig hektisk oppgave som er blitt lettere med Numpy Variansfunksjonen. Før vi får lære å bruke Numpy Variansfunksjonen, la oss forstå hvordan vi kan beregne variansen manuelt.

Hvordan beregne variansen?

Dette er mange manuelle trinn du trenger å utføre for å beregne variansen av dataene. Følgende trinn du må utføre hvis du ikke bruker Numpy Variansfunksjonen:

Du kan gjøre noen feil ved å beregne variansen manuelt. Hva om du har en funksjon som automatisk utfører alle disse trinnene og returnerer riktig varians for deg? Alt du trenger å gjøre er å vite hvordan du bruker den funksjonen i et Python -program. Høres interessant ut, ikke sant?

Python -programmeringsspråket gir en numpy variansfunksjon som er en rask og autentisk metode for å beregne variansen til de gitte dataene.

Hva er en numpy varians?

Numpy-variansen er en innebygd funksjon som leveres i Numpy Library of Python. Det brukes til å beregne variansen til de oppgitte dataene. Den utfører den samme funksjonen som du gjør manuelt i 4 til 5 trinn. Det kan også beregne variansen med den spesifiserte aksen. Det er en effektiv metode som brukes til å finne variansen til de gitte dataene raskt. Det sparer ikke bare tid, men gir også nøyaktige resultater hver gang. Det fjerner muligheten for å gjøre noen feil mens du beregner variansen manuelt. Så la oss lære å bruke numpy variansfunksjonen i Python -programmene våre for å spare tid og energi.

Eksempel 1

Vi starter med et veldig grunnleggende eksempel slik at du får en grunnleggende ide om arbeidet med numpy variansfunksjonen. Når du har fått hendene på variansfunksjonen, vil vi demonstrere litt komplekse praktiske eksempler slik at du kan få hjelp til hvordan du bruker den i komplekse problemer. Koden er gitt nedenfor for din referanse:

Importer numpy som NP
Ary = [5, 10, 18, 19, 80]
trykk ("Varians av matrisen er:", NP.var (ary))

Det første og fremste trinnet er å importere Numpy -biblioteket i programmet med "Importer Numpy som NP". NP representerer Numpy -biblioteket, og det vil bli brukt videre i programmet for å ringe hvilken som helst funksjon eller metode fra Numpy Library. En matrise "ary" som inneholder 5 heltallartikler er erklært. Til slutt, ved hjelp av PRINT () -klæringen, er variansen av matrisen "ary" blitt vist. Følgende er variansen av dataene gitt ovenfor.

La oss følge trinnene med beregning av variansen gitt ovenfor, slik at vi kan sikre at resultatet er fra Numpy.var () -funksjonen er riktig.

Trinn 1: Gjennomsnitt = 26.4

Steg 2: Standardavvik (SD) = [(5-26.4) + (10-26.4) + (18-26.4) + (19-26.4) + (80-26.4)] = 27.29

Trinn 3: Square of SD = [(5-26.4)² + (10-26.4)² + (18-26.4)² + (19-26.4)² + (80-26.4)²]

Trinn 4: Summering = 457.96 + 268.96 + 70.56 + 54.76 + 2872.96 = 3725.2

Trinn 5: var = 3725.2/5 = 745.04

Derfor bevist, er resultatet fra numpy variansfunksjonen riktig.

Eksempel 2

Nå som vi forstår hvordan den numpy variansen beregner variansen til de gitte dataene, la oss demonstrere noen mer interessante eksempler på den. I forrige eksempel ga vi spesifikt eksempeldataene for å beregne variansen. Her skal vi generere en matrise ved hjelp av en Arange () -funksjon. Se koden gitt nedenfor for å ha en bedre forståelse:

Importer numpy som NP
a = np.Arange (25)
Skriv ut ('Dataene i matrisen er: \ n', a)
Vari = NP.var (a)
trykk ('\ N -variansen til matrisen er:', Vari)

Først importerte vi Numpy -biblioteket i programmet som NP. NP -variabelen brukes til å representere Numpy -biblioteket i hele programmet, og det brukes også til å ringe hvilken som helst funksjon fra biblioteket. Etter det brukte vi Arange () -funksjonen til Numpy -biblioteket for å lage en rekke 24 elementer som starter fra 0 og slutter på 24. Arange () er en annen nyttig funksjon av det numpy biblioteket som kommer godt med når du arbeider med beregningsproblemer.

Ved hjelp av PRINT () -kommandoen viste vi dataene fra den beregnede matrisen med Arange () -funksjonen. Array. Utgangen er under.

Eksempel 3

Den numpy variansen er en veldig nyttig funksjon av Python -språket. Det hjelper med å beregne variansen av alle slags data. Ettersom vi kan beregne variansen til 1-D-matrisen, kan VAR () -funksjonen brukes til å beregne variansen til 2-D-arrayen. Som diskutert ovenfor, er variansfunksjonen i stand til å beregne variansen til dataene i henhold til den spesifiserte aksen. I dette eksemplet vil vi beregne variansen til 2-D-arrayen. Se prøvekoden gitt nedenfor:

Importer numpy som NP
Ary = [[1, 1, 1, 1],
[2, 2, 2, 2],
[3, 3, 3, 3],
[4, 4, 4, 4]]
Print ("Variansen av matrisen i Axis = 0: \ n", NP.var (ary))
print ("\ n variansen av matrisen i aksen = 0: \ n", np.var (ary, akse = 0))
print ("\ n variansen av matrisen i aksen = 1: \ n", np.var (ary, akse = 1))

Her er en 2-D-matrise definert og ført til var () -funksjonen for å beregne variansen. Først beregnet vi variansen til den flate matrisen, deretter variansen til matrisen angående akse 0, og til slutt varianten av matrisen med hensyn til akse 1. Alle disse verdiene vises ved hjelp av setningen (). Se resultatene i utgangen nedenfor:

Konklusjon

Dette var en rask oversikt over Numpy variansfunksjonen i Python -programmeringsspråket. Numpy variansfunksjonen er erstatning av 4 til 5 trinnene i variansberegningen. Numpy variansfunksjon brukes til å beregne variansen til de gitte dataene raskt og riktig. Ved hjelp av eksempler lærte vi hvordan Numpy Variansfunksjonen fungerer i et Python -program.