从N-1样本计算最低平均值和STDEV

Question

我需要帮助编写python中的函数来计算N-1样本的平均值和标准偏差。

我有96行quarduplicate样本：在96x4 numpy阵列总共384个样本。

对于每一行，我想：

1. 取出一式四份一个样品，使他们成为一式三份

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

2. 计算平均和那些一式三份样品的标准偏差

   mean = 27.33, stdev = 9.29 
   

3. 放回样本，使它们为druplicates再次

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

4. 重复步骤1-3三次取出另一个样本每次

   [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. 查找那些计算出的数据当中具有最低的标准偏差的平均值

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

6. 继续前进到下一行并重复步骤1-4

7. 输出是一个96X1阵列发现平均对于每个相应行

基本上我想的一式四份之一是异常值的假设下，计算平均值和标准偏差。

我试着编写一个嵌套for循环函数，但它变得太长和丑陋。我需要更聪明的方式提供建议。

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，这不是最快的选择，但它很可读。