Python 中的 numpy 包 和 pandas 包都能够计算均值、方差等，本文总结一下它们的用法。
1. Numpy 计算均值、方差、标准差
一般的均值可以用 numpy 中的 mean 方法求得：
>>> import numpy as np >>> a = [5, 6, 16, 9] >>> np.mean(a) 9.0
numpy 中的 average 方法不仅能求得简单平均数，也可以求出加权平均数。average 里面可以跟一个 weights 参数，里面是一个权数的数组，例如：
>>> np.average(a) >>> 9.0 >>> np.average(a, weights = [1, 2, 1, 1]) >>> 8.4
计算方差时，可以利用 numpy 中的 var 函数，默认是总体方差（计算时除以样本数 N），若需要得到样本方差（计算时除以 N - 1），需要跟参数 ddo f= 1，例如
>>> import pnumpy as np >>> a = [5, 6, 16, 9] >>> np.var(a) # 计算总体方差 18.5 >>> np.var(a, ddof = 1) # 计算样本方差 24.666666666666668 >>> b = [[4, 5], [6, 7]] >>> b [[4, 5], [6, 7]] >>> np.var(b) # 计算矩阵所有元素的方差 1.25 >>> np.var(b, axis = 0) # 计算矩阵每一列的方差 array([1., 1.]) >>> np.var(b, axis = 1) # 计算矩阵每一行的方差 array([0.25, 0.25])
计算标准差时，可以利用 numpy 中的 std 函数，使用方法与 var 函数很像，默认是总体标准差，若需要得到样本标准差，需要跟参数 ddof =1，
>>> import pnumpy as np >>> a = [5, 6, 16, 9] >>> np.std(a) # 计算总体标准差 4.301162633521313 >>> np.std(a, ddof = 1 ) # 计算样本标准差 4.96655480858378 >>> np.std(b) # 计算矩阵所有元素的标准差 1.118033988749895 >>> np.std(b, axis = 0) # 计算矩阵每一列的标准差 array([1., 1.]) >>> np.std(b, axis = 1) # 计算矩阵每一列的标准差 array([0.5, 0.5])
2. Pandas 计算均值、方差、标准差
对于 pandas ，也可以用里面的 mean 函数可以求得所有行或所有列的平均数，例如：
>>> import pandas as pd >>> df = pd.DataFrame(np.array([[85, 68, 90], [82, 63, 88], [84, 90, 78]]), columns=['统计学', '高数', '英语'], index=['张三', '李四', '王五']) >>> df 统计学 高数 英语 张三 85 68 90 李四 82 63 88 王五 84 90 78 >>> df.mean() # 显示每一列的平均数 统计学 83.666667 高数 73.666667 英语 85.333333 dtype: float64 >>> df.mean(axis = 1) # 显示每一行的平均数 张三 81.000000 李四 77.666667 王五 84.000000 dtype: float64
若要得到某一行或某一列的平均值，则可以使用 iloc 选取改行或该列数据，后面跟 mean 函数就能得到，例如：
>>> df 统计学 高数 英语 张三 85 68 90 李四 82 63 88 王五 84 90 78 >>> df.iloc[0, :].mean() # 得到第 1 行的平均值 81.0 >>> df.iloc[:, 2].mean() # 得到第 3 列的平均值 85.33333333333333
pandas 中的 var 函数可以得到样本方差（注意不是总体方差），std 函数可以得到样本标准差，若要得到某一行或某一列的方差，则也可用 iloc 选取某行或某列，后面再跟 var 函数或 std 函数即可，例如：
>>> df.var() # 显示每一列的方差 统计学 2.333333 高数 206.333333 英语 41.333333 dtype: float64 >>> df.var(axis = 1) # 显示每一行的方差 张三 133.000000 李四 170.333333 王五 36.000000 dtype: float64 >>> df.std() # 显示每一列的标准差 统计学 1.527525 高数 14.364308 英语 6.429101 dtype: float64 >>> df.std(axis = 1) # 显示每一行的标准差 张三 11.532563 李四 13.051181 王五 6.000000 dtype: float64 >>> df.iloc[0, :].std() # 显示第 1 行的标准差 11.532562594670797 >>> df.iloc[:, 2].std() # 显示第 3 列的标准差 6.429100507328636
来源：https://www.cnblogs.com/wt714/p/12394679.html