複数の（Z）リストの1桁目、2桁目、...桁の平均と標準偏差を求めたい。たとえば、私は持っています

A_rank=[0.8,0.4,1.2,3.7,2.6,5.8]
B_rank=[0.1,2.8,3.7,2.6,5,3.4]
C_Rank=[1.2,3.4,0.5,0.1,2.5,6.1]
# etc (up to Z_rank )...

今私は、平均とstdを取りたい*_Rank[0]の平均値とstd、*_Rank[1]など、
;すべて（A..Zからの平均と1桁目のSTD）リストを_rank：（すなわち
から2桁目の平均値とstdすべての（A..Z）_rankリスト
、3桁目の平均とstd ...;など）。

Pythonの3.4 /のでPEP450あるstatistics module持つ標準ライブラリにおける方法stdevあなたのようなイテレート可能オブジェクトの標準偏差を計算するためには：

>>> A_rank = [0.8, 0.4, 1.2, 3.7, 2.6, 5.8]
>>> import statistics
>>> statistics.stdev(A_rank)
2.0634114147853952

私は置くA_Rank2Dへらnumpyののアレイ、その後使用numpy.mean()し、numpy.std()平均と標準偏差を計算します。

In [17]: import numpy

In [18]: arr = numpy.array([A_rank, B_rank, C_rank])

In [20]: numpy.mean(arr, axis=0)
Out[20]: 
array([ 0.7       ,  2.2       ,  1.8       ,  2.13333333,  3.36666667,
        5.1       ])

In [21]: numpy.std(arr, axis=0)
Out[21]: 
array([ 0.45460606,  1.29614814,  1.37355985,  1.50628314,  1.15566239,
        1.2083046 ])

以下は、平均と標準偏差を計算するために使用できるいくつかの純粋なPythonコードです。

以下のコードはすべてstatistics、Python 3.4以降のモジュールに基づいています。

def mean(data):
    """Return the sample arithmetic mean of data."""
    n = len(data)
    if n < 1:
        raise ValueError('mean requires at least one data point')
    return sum(data)/n # in Python 2 use sum(data)/float(n)

def _ss(data):
    """Return sum of square deviations of sequence data."""
    c = mean(data)
    ss = sum((x-c)**2 for x in data)
    return ss

def stddev(data, ddof=0):
    """Calculates the population standard deviation
    by default; specify ddof=1 to compute the sample
    standard deviation."""
    n = len(data)
    if n < 2:
        raise ValueError('variance requires at least two data points')
    ss = _ss(data)
    pvar = ss/(n-ddof)
    return pvar**0.5

注：浮動小数点数を合計するときの精度を向上させるために、statisticsモジュールは_sum組み込みではなくカスタム関数を使用しますsum代わりに使用しを使用します。

たとえば、次のようになります。

>>> mean([1, 2, 3])
2.0
>>> stddev([1, 2, 3]) # population standard deviation
0.816496580927726
>>> stddev([1, 2, 3], ddof=1) # sample standard deviation
0.1

Python 2.7.1では、以下を使用numpy.std()して標準偏差を計算できます。

• 母集団std：numpy.std()データリスト以外に追加の引数なしで使用します。
• stdのサンプル：次の例のように、1に設定されたddof（つまり、Delta Degrees of Freedom）を渡す必要があります。

numpy.std（<your-list>、ddof = 1）

計算に使用される除数はN-ddofです。ここで、Nは要素の数を表します。デフォルトでは、ddofはゼロです。

人口標準ではなくサンプル標準を計算します。

Python 2.7では、NumPyを使用しnumpy.std()て母集団の標準偏差を与えることができます。

Python 3.4ではstatistics.stdev()、サンプル標準偏差を返します。pstdv()機能は同じですnumpy.std()。

Pythonを使用して、いくつかの方法を次に示します。

import statistics as st

n = int(input())
data = list(map(int, input().split()))

アプローチ1-関数の使用

stdev = st.pstdev(data)

アプローチ2：分散を計算し、その平方根をとります

variance = st.pvariance(data)
devia = math.sqrt(variance)

アプローチ3：基本的な数学を使用する

mean = sum(data)/n
variance = sum([((x - mean) ** 2) for x in X]) / n
stddev = variance ** 0.5

print("{0:0.1f}".format(stddev))

注意：

• variance サンプル母集団の分散を計算します
• pvariance 母集団全体の分散を計算します
• 間で同様の差異stdevとpstdev

純粋なpythonコード：

from math import sqrt

def stddev(lst):
    mean = float(sum(lst)) / len(lst)
    return sqrt(float(reduce(lambda x, y: x + y, map(lambda x: (x - mean) ** 2, lst))) / len(lst))

他の回答はpythonでstd devを実行する方法を十分にカバーしていますが、あなたが説明した奇妙なトラバーサルを実行する方法を説明する人はいません。

AZは全人口であると想定します。そうでない場合は、サンプルから推論する方法に関する青梅の回答を参照してください。

したがって、すべてのリストの最初の桁の標準偏差/平均を取得するには、次のようなものが必要になります。

#standard deviation
numpy.std([A_rank[0], B_rank[0], C_rank[0], ..., Z_rank[0]])

#mean
numpy.mean([A_rank[0], B_rank[0], C_rank[0], ..., Z_rank[0]])

コードを短くしてこれを任意のn桁に一般化するには、次の関数を使用して生成します。

def getAllNthRanks(n):
    return [A_rank[n], B_rank[n], C_rank[n], D_rank[n], E_rank[n], F_rank[n], G_rank[n], H_rank[n], I_rank[n], J_rank[n], K_rank[n], L_rank[n], M_rank[n], N_rank[n], O_rank[n], P_rank[n], Q_rank[n], R_rank[n], S_rank[n], T_rank[n], U_rank[n], V_rank[n], W_rank[n], X_rank[n], Y_rank[n], Z_rank[n]] 

これで、次のように、AZからすべてのn番目の場所のstddと平均を簡単に取得できます。

#standard deviation
numpy.std(getAllNthRanks(n))

#mean
numpy.mean(getAllNthRanks(n))