如何使用Scipy计算单个X值对应的Z-Score

要计算单个值的Z-Score，核心还是遵循Z分的公式：Z = (X - 数据集均值) / 数据集标准差。Scipy没有直接计算单个值Z分的函数，但可以先获取数据集的均值和标准差，再代入公式计算，步骤如下：

步骤1：导入Scipy模块 #

from scipy import stats

步骤2：定义数据集并计算均值、标准差 #

先拿到你用来计算Z分的数据集的均值和总体标准差（和你手动代码的计算逻辑一致，除以样本总数n）：

data = [25, 37, 15, 36, 92, 28, 33, 40]
# 计算数据集均值
mean = stats.tmean(data)
# 计算总体标准差（ddof=0表示自由度为n，对应你手动代码里的(1/len(data))*summation）
std_dev = stats.tstd(data, ddof=0)

步骤3：计算单个X值的Z-Score #

假设你要计算的单个值是x = 25，直接代入公式即可：

x = 25
z_score = (x - mean) / std_dev
print(z_score)  # 输出结果：-0.61219538，和stats.zscore(data)的第一个值完全一致

注意：样本标准差和总体标准差的区别 #

如果你需要用样本标准差（除以n-1），只需要把std_dev的计算改成stats.tstd(data, ddof=1)，这时候计算出的Z分会和stats.zscore(data, ddof=1)的结果对应。

内容的提问来源于stack exchange，提问作者Vicktor Krum