【数据分析面试】8.计算标准差(python)

在这里插入图片描述

题目：

编写一个名为 compute_deviation 的函数，该函数接受一个包含键和整数列表的字典列表，并返回一个字典，其中包含每个列表的标准差。

注意：请勿使用 NumPy 内置函数。

示例：

输入:

input = [
    {
        'key': 'list1',
        'values': [4,5,2,3,4,5,2,3],
    },
    {
        'key': 'list2',
        'values': [1,1,34,12,40,3,9,7],
    }
]

输出:

 output = {'list1': 1.12, 'list2': 14.19}

答案

解题思路

该函数 compute_deviation 接受一个字典列表作为输入，其中每个字典包含一个键和一个整数列表。它计算每个列表的标准差，而不使用 NumPy 内置函数，并返回一个包含每个列表标准差的字典。

定义了一个名为 compute_deviation 的函数，接受一个列表作为输入。
函数内部遍历输入列表中的每个字典。
对于每个字典，提取键和对应的整数列表。
使用给定的整数列表计算其标准差，将结果存储在一个新的字典中，以当前字典中的键作为键，标准差作为值。
最后返回这个包含标准差的字典。

答案代码

# 定义一个函数，计算每个列表的标准差
def compute_deviation(input):
    # 创建一个空字典，用于存储结果
    result = {}
    # 遍历输入列表中的每个字典
    for item in input:
        # 获取当前字典中的键
        key = item['key']
        # 获取当前字典中键为'values'的值
        values = item['values']
        # 计算长度
        n = len(values)
        # 计算的平均值
        mean = sum(values) / n
        # 计算方差
        variance = sum((x - mean) ** 2 for x in values) / n
        # 计算标准差
        std_deviation = variance ** 0.5   
        # 将结果存储在结果字典中
        result[key] = std_deviation
    # 返回计算得到的结果字典
    return result


print(compute_deviation(input_data))

另一个版本的答案是导入’math’ 库，用 math.sqrt() 函数计算标准差：

std_deviation = math.sqrt(variance)

如果使用Numpy，直接用np.std()计算，不用另外计算平均值和方差。

import numpy as np

def compute_deviation(input):
    result = {}
    for item in input:
        key = item['key']
        values = item['values']
        std_deviation = np.std(values)
        result[key] = std_deviation
    return result