Question

似乎scipy曾提供函数mad来计算一组数字的平均绝对偏差：

http://projects.scipy.org/scipy/browser/trunk/scipy/stats/models/utils.py?rev=3473

然而，在目前的scipy版本中，我无法找到它。当然可以从存储库中复制旧代码，但我更喜欢使用scipy的版本。我在哪里可以找到它，或者它已被替换或删除？

Answer 1

[编辑]因为这继续被投票：我知道中位数绝对偏差是一个更常用的统计数据，但提问者要求平均值绝对偏差，以下是如何做到这一点：

from numpy import mean, absolute

def mad(data, axis=None):
    return mean(absolute(data - mean(data, axis)), axis)

Answer 2

为了它的价值，我将它用于MAD：

def mad(arr):
    """ Median Absolute Deviation: a "Robust" version of standard deviation.
        Indices variabililty of the sample.
        https://en.wikipedia.org/wiki/Median_absolute_deviation 
    """
    arr = np.ma.array(arr).compressed() # should be faster to not use masked arrays.
    med = np.median(arr)
    return np.median(np.abs(arr - med))

Answer 3

当前版本的statsmodels在mad中有statsmodels.robust：

>>> import numpy as np
>>> from statsmodels import robust
>>> a = np.matrix( [
...     [ 80, 76, 77, 78, 79, 81, 76, 77, 79, 84, 75, 79, 76, 78 ],
...     [ 66, 69, 76, 72, 79, 77, 74, 77, 71, 79, 74, 66, 67, 73 ]
...  ], dtype=float )
>>> robust.mad(a, axis=1)
array([ 2.22390333,  5.18910776])

注意，默认情况下，这会通过将结果缩放比例因子来计算标准偏差的稳健估计值，假设正态分布;来自help：

Signature: robust.mad(a, 
                      c=0.67448975019608171, 
                      axis=0, 
                      center=<function median at 0x10ba6e5f0>)

R中的版本进行了类似的规范化。如果你不想要这个，显然只需设置c=1。

（之前的评论提到这是statsmodels.robust.scale。实施位于statsmodels/robust/scale.py（请参阅github），但robust包不会导出scale而是明确地在scale.py中导出公共函数。）

Answer 4

由于烘焙不足，2008年8月看起来scipy.stats.models为removed。开发已迁移到statsmodels。

Answer 5

如果您喜欢Pandas（就像我一样），那么它有一个有用的function for the mean absolute deviation：

import pandas as pd
df = pd.DataFrame()
df['a'] = [1, 1, 2, 2, 4, 6, 9]
df['a'].mad()

输出：2.3673469387755106

Answer 6

这不是scipy版本，但这是MAD的一个实现，使用掩码数组来忽略坏值： http://code.google.com/p/agpy/source/browse/trunk/agpy/mad.py

编辑：可以使用更新的版本here。

编辑2：星座here中还有一个版本。

Answer 7

我正在使用：

from math import fabs

a = [1, 1, 2, 2, 4, 6, 9]

median = sorted(a)[len(a)//2]

for b in a:
    mad = fabs(b - median)
    print b,mad

Answer 8

我只是在学习Python和Numpy，但这里是我编写的代码，用于检查我的7年级学生的数学作业，该作业需要2组数字的M（ean）AD：

Numpy矩阵行中的数据：

import numpy as np

>>> a = np.matrix( [ [ 80, 76, 77, 78, 79, 81, 76, 77, 79, 84, 75, 79, 76, 78 ], \\    
... [ 66, 69, 76, 72, 79, 77, 74, 77, 71, 79, 74, 66, 67, 73 ] ], dtype=float )    
>>> matMad = np.mean( np.abs( np.tile( np.mean( a, axis=1 ), ( 1, a.shape[1] ) ) - a ), axis=1 )    
>>> matMad    
matrix([[ 1.81632653],
        [ 3.73469388]])

Numpy 1D阵列中的数据：

>>> a1 = np.array( [ 80, 76, 77, 78, 79, 81, 76, 77, 79, 84, 75, 79, 76, 78 ], dtype=float )    
>>> a2 = np.array( [ 66, 69, 76, 72, 79, 77, 74, 77, 71, 79, 74, 66, 67, 73 ], dtype=float )    
>>> madA1 = np.mean( np.abs( np.tile( np.mean( a1 ), ( 1, len( a1 ) ) ) - a1 ) )    
>>> madA2 = np.mean( np.abs( np.tile( np.mean( a2 ), ( 1, len( a2 ) ) ) - a2 ) )    
>>> madA1, madA2    
(1.816326530612244, 3.7346938775510199)

Answer 9

仅使用numpy：

def meanDeviation(numpyArray):
    mean = np.mean(numpyArray)
    f = lambda x: abs(x - mean)
    vf = np.vectorize(f)
    return (np.add.reduce(vf(numpyArray))) / len(numpyArray)

Answer 10

不想被误导，疯子现在在scipy.stats：https://docs.scipy.org/doc/scipy/reference/generated/scipy.stats.median_absolute_deviation.html

在哪里可以找到scipy的疯狂（平均绝对偏差）？

10 个答案: