python - 从 N-1 个样本中计算最低 Ave 和 STDEV

Question

我需要帮助在 python 中编写一个函数来计算 N-1 个样本的平均值和标准偏差。

我有 96 行四重样本：96x4 numpy 数组中共有 384 个样本。

对于每一行，我想：

1. 一式四份取出一个样品，使它们变成一式三份

   [30,38,23,21] becomes [38,23,21]
   

2. 计算这些一式三份样本的平均值和标准差

   mean = 27.33, stdev = 9.29
   

3. 放回那个样本，让它们再次一式四份

   [38,23,21] becomes [30,38,23,21]
   

4. 重复步骤 1-3 3 次，每次取出其他样品

   [30,23,21]: mean = 24.67, stdev = 4.73
   [30,38,21]: mean = 29.67, stdev = 8.50
   [30,38,23]: mean = 30.33, stdev = 7.51
   

5. 在这些计算数据中找到具有最低标准偏差的平均值

   [30,23,21]: mean = 24.67, stdev = 4.73
   

6. 移动到下一行并重复步骤 1-4

7. 输出是一个 96x1 数组，每个对应行的平均值

基本上我想在假设一式四份是异常值的情况下计算平均值和标准差。

我尝试使用嵌套的 for 循环编写一个函数，但它变得太长且丑陋。我需要一个更聪明的方法的建议。

Answer 1

我想出了以下内容：

import numpy as np

def bestMean(rows):
    bestMeans = []
    for row in rows:
        mean = [np.mean(row[:k] + row[k+1:]) for k in xrange(len(row))]
        std = [np.std(row[:k] + row[k+1:]) for k in xrange(len(row))]
        bestMeans.append((mean[np.argmin(std)], np.min(std)))
    return bestMeans

我做了一个快速测试，它似乎工作。但请注意，这不是最快的选项，但可读性很强。