Meta tags:
description= Aprende a calcular la desviación estándar en Python con el módulo statistics, NumPy y pandas, con casos de uso reales en ML con scikit-learn.;
Headings (most frequently used words):
de, desviación, estándar, la, en, std, con, python, qué, es, el, módulo, statistics, numpy, describe, pandas, aprendizaje, automático, elegir, herramienta, adecuada, errores, comunes, capítulos, relacionados, poblacional, vs, muestral, ejemplo, resuelto, mano, escalado, características, standardscaler, comparar, variabilidad, entre, grupos, detección, anomalías, puntuaciones, comprensión, incertidumbre, del, modelo,
Text of the page (most frequently used words):
#python (62), std (42), #estándar (30), desviación (28), datos (21), una (21), con (20), statistics (17), los (15), aprender (15), print (15), numpy (14), ddof (14), mean (14), 000000 (14), matplotlib (14), que (13), copiar (13), mysql (13), para (12), pandas (12), mongodb (12), elementos (11), media (10), valores (9), listas (9), 100 (9), import (9), sample (9), más (8), sobre (8), html (7), distribución (7), scaler (7), cada (7), data (7), population (7), tuplas (7), dispersión (6), las (6), stdev (6), group (6), variance (6), lista (6), 400 (6), eliminar (6), métodos (6), w3docs (5), módulo (5), características (5), muestra (5), conjunto (5), dos (5), standardscaler (5), dataframe (5), columna (5), regresión (5), muestral (5), conjuntos (5), archivos (5), string (5), strings (5), crear (5), primeros (5), pasos (5), tutorial (5), variables (5), formatter (5), color (5), json (4), generator (4), describe (4), normal (4), son (4), atípicos (4), valor (4), consulta (4), capítulo (4), prueba (4), usa (4), por (4), modelo (4), values (4), array (4), 2247 (4), features (4), pop_std (4), sample_std (4), diccionarios (4), acceder (4), code (3), encoder (3), editor (3), cuestionarios (3), ejercicios (3), php (3), javascript (3), css (3), herramienta (3), aprendizaje (3), automático (3), qué (3), mediana (3), moda (3), escalado (3), como (3), fit_transform (3), defecto (3), población (3), entre (3), arrays (3), también (3), validación (3), cruzada (3), tiene (3), puntuación (3), indica (3), grupo (3), pero (3), scores_b (3), scores_a (3), clases (3), 170 (3), temperature (3), cuando (3), están (3), calcular (3), the (3), poblacional (3), dev (3), cadenas (3), recorrer (3), unir (3), ver (3), tools (3), todos (2), italiano (2), português (2), español (2), français (2), русский (2), deutsch (2), english (2), beautifier (2), diff (2), password (2), herramientas (2), try (2), práctica (2), java (2), git (2), libros (2), fragmentos (2), desde (2), capítulos (2), relacionados (2), errores (2), comunes (2), elegir (2), adecuada (2), this (2), page (2), percentil (2), estandarización (2), central (2), medidas (2), drásticamente (2), ejemplo (2), detección (2), anomalías (2), siempre (2), entrenamiento (2), ajustar (2), lanza (2), error (2), solo (2), elemento (2), antes (2), comparar (2), resultados (2), bibliotecas (2), sklearn (2), preprocessing (2), estadísticas (2), matrices (2), pstdev (2), rápido (2), sin (2), múltiples (2), pliegues (2), alta (2), tienen (2), varianza (2), comprensión (2), del (2), z_scores (2), menos (2), grupos (2), 6330 (2), scaled (2), samples (2), from (2), scikit (2), learn (2), forma (2), muy (2), lineal (2), vecinos (2), cercanos (2), este (2), característica (2), 180 (2), 175 (2), 165 (2), 160 (2), height_cm (2), weight_kg (2), fila (2), salida (2), temps (2), per (2), axis (2), 1421 (2), 8114 (2), run (2), editable (2), runs (2), server (2), grandes (2), 250 (2), 200 (2), differences (2), bessel (2), estimar (2), tienes (2), alrededor (2), dispersos (2), escalar (2), cómo (2), and (2), handling (2), números (2), limit (2), colección (2), delete (2), ordenar (2), base (2), cuadrícula (2), introducción (2), bucles (2), set (2), sets (2), cambiar (2), agregar (2), hash (2), 2026, derechos, reservados, hecho, desarrolladores, idioma, política, privacidad, contacto, acerca, empresa, tutoriales, ejemplos, gratuitos, web, 2014, next, previous, yes, was, helpful, visualización, identificación, asimetría, estrategias, amplias, van, allá, escala, parámetro, basadas, rangos, robustas, ante, percentiles, otras, tendencia, complementan, único, extremo, puede, inflar, considera, identificar, primero, distorsionan, llama, filtra, información, infla, métricas, rendimiento, detalles, división, transform, devuelve, silenciosamente, mientras, verifica, cuál, necesitas, incorrecto, preprocesamiento, columnas, operaciones, cálculo, dependencias, recomendada, situación, aparece, evaluar, sugiere, inestable, recorrido, completo, incertidumbre, dado, pequeño, destaca, fuerza, probable, atípico, round, cuántas, desviaciones, aleja, candidatos, convencionales, puntuaciones, medias, similares, veces, mayor, mucho, predecibles, high, consistent, ayuda, determinar, verdaderamente, distintos, simplemente, ruidosos, pueden, tener, similar, diferir, variabilidad, scale_, mean_, tras, puedes, inspeccionar, parámetros, aprendidos, adelante, aplica, esto, automática, bruto, suelen, abarcar, escalas, diferentes, edad, años, frente, ingresos, miles, algoritmos, svm, sensibles, desequilibrio, llamada, normalización, transforma, tenga, max, min, 905694, 733201, count, ofrece, resumen, estadístico, incluye, numérica, 5714, 4116, proporciona, directamente, cualquier, todo, frame, siguiendo, convención, approx, feature, permite, largo, específico, bidimensional, útil, observación, eje, default, opción, trabaja, función, pasa, obtener, pasan, porque, significativa, statisticserror, integrado, sencilla, pequeños, necesidad, terceros, squared, resuelto, mano, denominador, corrección, corrige, sesgo, introducido, partir, diferencia, insignificante, importa, muestras, pequeñas, quieres, toda, subconjunto, puntos, todas, calificaciones, clase, cuándo, usarlo, divisor, fórmula, término, correction, raíz, cuadrada, cuantifica, distancia, promedio, punto, respecto, significa, agrupan, estrechamente, grande, pequeña, mide, cuán, utilizadas, análisis, comprobar, sigue, hasta, entrenar, explica, calcularla, integra, flujos, trabajo, habituales, aprende, casos, uso, reales, peticiones, http, pytest, paquetes, entornos, virtuales, tooling, best, practices, threading, asyncio, concurrency, csv, random, sys, itertools, collections, lanzar, excepciones, standard, library, sumar, invertir, duplicados, how, enumeraciones, abstractas, encapsulamiento, polimorfismo, dataclasses, static, classmethod, property, mágicos, advanced, oop, sentencia, match, enumerate, zip, map, comprensiones, gestores, contexto, recursión, closures, generadores, decoradores, args, kwargs, sugerencias, tipo, intermediate, actualización, find, insertar, join, update, drop, table, order, where, select, insert, tabla, curva, auc, roc, agregación, bootstrap, means, categóricos, búsqueda, logística, agrupamiento, jerárquico, matriz, confusión, árbol, decisión, train, test, múltiple, polinomial, diagrama, machine, learning, gráficos, pastel, histogramas, barras, subplot, etiquetas, líneas, marcadores, trazado, pyplot, django, scipy, modules, escribir, leer, manejo, file, formateo, entrada, usuario, except, pip, regex, matemáticas, fechas, módulos, ámbito, iteradores, herencia, objetos, lambda, funciones, for, while, else, operadores, booleanos, casting, tipos, comentarios, sintaxis, nombres, actualizar, desempaquetar, tupla, segmentación, home, anidados, modificar, iterar, globales, formato, caracteres, escape, diccionario, concatenar, asignar, añadir, iniciar, sesión, buscar, formatters, url, reverse, sha256, md5, length, calculator, colors, hsl, hex, mixer, converter, picker, general, cursos,
Text of the page (random words):
desviación estándar en python statistics numpy pandas w3docs w3docs libros aprender html aprender css aprender javascript aprender git aprender java aprender php aprender python cursos cuestionarios ejercicios fragmentos herramientas general tools html editor password generator html encoder code diff json beautifier ver los 13 color tools color picker color converter color mixer color hex colors hsl ver los 10 string tools string length calculator md5 hash generator sha256 hash generator string reverse url encoder ver los 19 code formatters javascript formatter css formatter html formatter json formatter php formatter buscar en w3docs k es english en deutsch de русский ru français fr español es português pt italiano it iniciar sesión aprender python python tutorial acceder a elementos acceder a elementos de lista acceder a elementos de un set acceder a tuplas agregar elementos añadir elementos a una lista agregar elementos a un conjunto asignar múltiples valores cambiar elementos cambiar elementos de una lista concatenar strings copiar diccionarios copiar listas métodos de diccionario caracteres de escape cadenas de formato variables globales unir listas unir sets unir tuplas comprensión de listas métodos de lista iterar sobre diccionarios recorrer listas recorrer sets recorrer tuplas modificar strings diccionarios anidados variables de salida python home listas de python conjuntos en python python strings tuplas en python variables en python eliminar elementos eliminar elementos de una lista eliminar elementos de un set métodos de conjuntos segmentación de cadenas ordenar listas métodos de string métodos de tupla desempaquetar tuplas actualizar tuplas nombres de variables introducción a python primeros pasos con python sintaxis de python comentarios en python variables en python tipos de datos en python números en python casting en python strings de python booleanos en python operadores de python listas de python tuplas de python diccionarios en python python if else bucles while en python bucles for en python funciones en python python lambda arrays en python clases y objetos en python herencia en python iteradores de python ámbito en python módulos de python fechas en python matemáticas en python python json python regex python pip python try except entrada de usuario en python formateo de cadenas en python file handling manejo de archivos en python leer archivos en python escribir crear archivos en python eliminar archivos en python python modules tutorial de numpy tutorial de pandas tutorial de scipy tutorial de django python matplotlib introducción a matplotlib primeros pasos con matplotlib matplotlib pyplot trazado con matplotlib marcadores de matplotlib líneas en matplotlib etiquetas en matplotlib cuadrícula de matplotlib subplot de matplotlib dispersión en matplotlib barras en matplotlib histogramas con matplotlib gráficos de pastel con matplotlib machine learning primeros pasos media mediana moda desviación estándar percentil distribución de datos distribución normal de datos diagrama de dispersión regresión lineal regresión polinomial regresión múltiple escalar train test árbol de decisión matriz de confusión agrupamiento jerárquico regresión logística búsqueda en cuadrícula datos categóricos k means agregación bootstrap validación cruzada curva auc roc k vecinos más cercanos python mysql primeros pasos con mysql mysql crear base de datos mysql crear tabla mysql insert mysql select mysql where mysql order by mysql delete mysql drop table mysql update mysql limit mysql join python mongodb primeros pasos con mongodb crear base de datos mongodb mongodb crear colección insertar en mongodb mongodb find consulta mongodb ordenar en mongodb mongodb delete eliminar colección en mongodb actualización en mongodb mongodb limit intermediate python f strings sugerencias de tipo args kwargs decoradores generadores closures recursión gestores de contexto comprensiones enumerate zip map sentencia match advanced oop métodos mágicos property static y classmethod dataclasses polimorfismo encapsulamiento clases abstractas enumeraciones python how to eliminar duplicados en listas invertir un string sumar dos números error handling and the standard library lanzar excepciones collections itertools os sys random archivos csv concurrency in python asyncio threading python tooling and best practices entornos virtuales paquetes pytest peticiones http desviación estándar en python aprende a calcular la desviación estándar en python con el módulo statistics numpy y pandas con casos de uso reales en ml con scikit learn la desviación estándar mide cuán dispersos están los valores alrededor de su media es una de las estadísticas más utilizadas en el análisis de datos y el aprendizaje automático desde comprobar si un conjunto de datos sigue una distribución normal hasta escalar características antes de entrenar un modelo este capítulo explica qué es la desviación estándar cómo calcularla en python con el módulo statistics numpy y pandas y cómo se integra en los flujos de trabajo habituales de ml qué es la desviación estándar la desviación estándar σ para una población s para una muestra cuantifica la distancia promedio de cada punto de datos respecto a la media una desviación estándar pequeña significa que los valores se agrupan estrechamente alrededor de la media una grande indica que están muy dispersos es la raíz cuadrada de la varianza variance σ xᵢ x̄ ² n population variance σ xᵢ x̄ ² n 1 sample bessel s correction std dev variance copiar desviación estándar poblacional vs muestral término divisor de la fórmula cuándo usarlo std poblacional n tienes todos los puntos de datos p ej todas las calificaciones de una clase std muestral n 1 tienes un subconjunto y quieres estimar toda la población el denominador n 1 corrección de bessel corrige el sesgo introducido al estimar a partir de una muestra en la práctica para conjuntos de datos grandes la diferencia es insignificante pero importa con muestras pequeñas ejemplo resuelto a mano data 10 20 30 40 50 mean 10 20 30 40 50 5 30 differences from mean 20 10 0 10 20 squared differences 400 100 0 100 400 population variance 400 100 0 100 400 5 200 sample variance 400 100 0 100 400 4 250 population std dev 200 14 14 sample std dev 250 15 81 copiar el módulo statistics el módulo integrado statistics de python es la forma más sencilla de calcular la desviación estándar para conjuntos de datos pequeños sin necesidad de bibliotecas de terceros python editable runs on the server run import statistics data 10 20 30 40 50 sample_std statistics stdev data sample std ddof 1 pop_std statistics pstdev data population std ddof 0 print f sample std sample_std 4f 15 8114 print f population std pop_std 4f 14 1421 stdev lanza statisticserror si se le pasan menos de dos valores porque una lista de un solo elemento no tiene una dispersión significativa std de numpy numpy es la opción estándar cuando se trabaja con arrays matrices o conjuntos de datos grandes su función np std usa por defecto la desviación estándar poblacional ddof 0 pasa ddof 1 para obtener la desviación estándar muestral python editable runs on the server run import numpy as np data 10 20 30 40 50 pop_std np std data population std ddof 0 default sample_std np std data ddof 1 sample std print f population std pop_std 4f 14 1421 print f sample std sample_std 4f 15 8114 numpy también permite calcular la desviación estándar a lo largo de un eje específico de un array bidimensional lo que es útil cuando cada fila es una observación y cada columna es una característica import numpy as np 3 samples 2 features x np array 1 10 2 20 3 30 print np std x axis 0 ddof 1 std per feature 1 10 print np std x axis 1 ddof 1 std per sample 6 36 6 36 6 36 approx copiar std y describe de pandas cuando los datos están en un dataframe pandas proporciona std directamente sobre cualquier columna o sobre todo el frame por defecto pandas usa ddof 1 std muestral siguiendo la convención de r import pandas as pd temps 72 68 75 80 65 70 78 df pd dataframe temperature temps print df temperature std 5 4116 sample std ddof 1 print df temperature mean 72 5714 copiar describe ofrece un resumen estadístico rápido que incluye la desviación estándar para cada columna numérica import pandas as pd df pd dataframe height_cm 165 170 175 160 180 weight_kg 55 70 80 50 90 print df describe copiar la fila std en la salida muestra la desviación estándar muestral de cada columna height_cm weight_kg count 5 000000 5 000000 mean 170 000000 69 000000 std 7 905694 16 733201 min 160 000000 50 000000 25 165 000000 55 000000 50 170 000000 70 000000 75 175 000000 80 000000 max 180 000000 90 000000 copiar desviación estándar en aprendizaje automático escalado de características con standardscaler las características en bruto suelen abarcar escalas muy diferentes edad en años frente a ingresos en miles algoritmos como la regresión lineal las svm y los k vecinos más cercanos son sensibles a este desequilibrio la estandarización también llamada normalización por puntuación z transforma cada característica para que tenga media 0 y desviación estándar 1 z x mean std copiar standardscaler de scikit learn aplica esto de forma automática from sklearn preprocessing import standardscaler import numpy as np 3 samples 2 features features np array 1 2 3 4 5 6 scaler standardscaler scaled scaler fit_transform features print scaled 1 2247 1 2247 0 0 1 2247 1 2247 copiar tras el escalado cada columna tiene una media de 0 y una desviación estándar de 1 puedes inspeccionar los parámetros aprendidos más adelante print scaler mean_ 3 4 print scaler scale_ 1 6330 1 6330 copiar comparar la variabilidad entre grupos la desviación estándar ayuda a determinar si dos grupos son verdaderamente distintos o simplemente ruidosos dos clases pueden tener una media similar pero diferir drásticamente en dispersión import statistics scores_a 78 80 82 79 81 consistent group scores_b 60 100 55 95 70 high variance group print f group a mean statistics mean scores_a std statistics stdev scores_a 2f group a mean 80 std 1 58 print f group b mean statistics mean scores_b std statistics stdev scores_b 2f group b mean 76 std 20 43 copiar el grupo a y el grupo b tienen medias similares pero la desviación estándar del grupo b es 13 veces mayor lo que indica resultados mucho menos predecibles detección de anomalías con puntuaciones z una puntuación z indica cuántas desviaciones estándar se aleja un valor de la media los valores con z 3 son candidatos convencionales a valores atípicos import numpy as np values np array 2 0 2 5 3 0 2 8 100 0 2 2 3 1 mean np mean values std np std values ddof 1 z_scores values mean std print z_scores round 2 0 39 0 38 0 37 0 37 2 27 0 39 0 36 copiar el valor 100 0 tiene una puntuación z de 2 27 que dado el pequeño conjunto de datos ya destaca con fuerza como probable valor atípico comprensión de la incertidumbre del modelo la desviación estándar también aparece al evaluar un modelo en múltiples pliegues de validación cruzada una desviación estándar alta entre pliegues sugiere que el modelo es inestable o que los datos tienen alta varianza consulta el capítulo sobre validación cruzada para un recorrido completo elegir la herramienta adecuada situación herramienta recomendada cálculo rápido sin dependencias statistics stdev statistics pstdev operaciones con arrays o matrices numpy std estadísticas de columnas en dataframe pandas dataframe std preprocesamiento de características para ml sklearn preprocessing standardscaler errores comunes ddof incorrecto numpy usa por defecto ddof 0 población mientras que pandas usa ddof 1 muestra verifica siempre cuál necesitas antes de comparar resultados entre las dos bibliotecas listas de un solo elemento statistics stdev lanza un error np std devuelve 0 0 silenciosamente ajustar el scaler con datos de prueba llama siempre a scaler fit_transform sobre el conjunto de entrenamiento y a scaler transform no fit_transform sobre el conjunto de prueba ajustar con datos de prueba filtra información e infla las métricas de rendimiento consulta el capítulo sobre división entrenamiento prueba para más detalles los valores atípicos distorsionan la std un único valor extremo puede inflar drásticamente la desviación estándar como se muestra en el ejemplo de detección de anomalías considera identificar los valores atípicos primero consulta el capítulo sobre distribución de datos capítulos relacionados media mediana y moda otras medidas de tendencia central que complementan la desviación estándar percentiles medidas de dispersión basadas en rangos que son robustas ante valores atípicos distribución normal de datos la desviación estándar es el parámetro central de la distribución normal escala estrategias de escalado de características más amplias que van más allá de la estandarización distribución de datos visualización de la dispersión e identificación de la asimetría was this page helpful yes no previous media mediana moda next percentil on this page qué es la desviación estándar el módulo statistics std de numpy std y describe de pandas desviación estándar en aprendizaje automático elegir la herramienta adecuada errores comunes capítulos relacionados w3docs tutoriales ejemplos ejercicios fragmentos y cuestionarios gratuitos para la web desde 2014 libros aprender html aprender css aprender javascript aprender git aprender java aprender php aprender python práctica ejercicios cuestionarios editor try it herramientas html editor password generator html encoder code diff json beautifier empresa acerca de contacto política de privacidad idioma english deutsch русский français español português italiano 2026 w3docs todos los derechos reservados hecho para desarrolladores
|
