シングル関数のナンシー平均と分散？

Question

Numpy/Pythonを使用すると、単一の関数呼び出しから平均AND分散を返すことは可能ですか？

私はそれらを別々に行うことができますが、サンプルの標準偏差を計算するには平均値が必要です。したがって、平均と分散を得るために別々の関数を使用すると、不必要なオーバーヘッドが追加されます。

ここでnumpyのドキュメントを調べてみましたが（http://docs.scipy.org/doc/numpy/reference/routines.statistics.html）、成功しませんでした。

Answer 1

あなたはnp.stdかnp.varに知られている平均値を渡すことはできません、あなたはnew standard library statistics moduleを待つ必要があるでしょうが、その間に、あなたが式を使って、少し時間を節約することができます。

In [329]: a = np.random.rand(1000) 

In [330]: %%timeit 
    .....: a.mean() 
    .....: a.var() 
    .....: 
10000 loops, best of 3: 80.6 µs per loop 

In [331]: %%timeit 
    .....: m = a.mean() 
    .....: np.mean((a-m)**2) 
    .....: 
10000 loops, best of 3: 60.9 µs per loop 

In [332]: m = a.mean() 

In [333]: a.var() 
Out[333]: 0.078365856465916137 

In [334]: np.mean((a-m)**2) 
Out[334]: 0.078365856465916137 

の場合あなたは本当に（つまり、ドット積が何であるかだから）乗との加算を行うためにnp.dotをしようと、物事をスピードアップしようとしている。

In [335]: np.dot(a-m,a-m)/a.size 
Out[335]: 0.078365856465916137 

In [336]: %%timeit 
    .....: m = a.mean() 
    .....: c = a-m 
    .....: np.dot(c,c)/a.size 
    .....: 
10000 loops, best of 3: 38.2 µs per loop 

Answer 2

あなたはまた、平均値との関係を利用して減算を避けることができ、分散信号のパワー：

In [7]: import numpy as np 

In [8]: a = np.random.rand(1000) 

In [9]: %%timeit 
    ...: a.mean() 
    ...: a.var() 
    ...: 
10000 loops, best of 3: 24.7 us per loop 

In [10]: %%timeit 
    ...: m = a.mean() 
    ...: np.mean((a-m)**2) 
    ...: 
100000 loops, best of 3: 18.5 us per loop 

In [11]: %%timeit 
    ...: m = a.mean() 
    ...: power = np.mean(a ** 2) 
    ...: power - m ** 2 
    ...: 
100000 loops, best of 3: 17.3 us per loop 

In [12]: %%timeit 
    ...: m = a.mean() 
    ...: power = np.dot(a, a)/a.size 
    ...: power - m ** 2 
    ...: 
100000 loops, best of 3: 9.16 us per loop