Coefficient of Variation (CV)

The Doctor, the Investor & the Factory ManagerDoctor, Investor और Factory Manager医生、投资者与工厂经理

Three professionals sit around a table. Each holds a dataset and a single number: a standard deviation.

तीन professionals एक table पर बैठे हैं। हर एक के पास एक dataset और एक संख्या है: standard deviation.

三位专业人士围坐在桌旁，每人手里都有一个数据集和一个数字：标准差。

The doctor says: "My patients' blood pressure has a standard deviation of 12 mmHg." The investor says: "My portfolio's monthly value has a standard deviation of ₹12,000." The factory manager says: "My machine makes bolts with a standard deviation of 0.12 mm."

Doctor कहते हैं: "मेरे patients के blood pressure का standard deviation 12 mmHg है।" Investor कहते हैं: "मेरे portfolio की monthly value का standard deviation ₹12,000 है।" Factory manager कहते हैं: "मेरी machine जो bolts बनाती है, उनका standard deviation 0.12 mm है।"

医生说：“我的病人血压的标准差是 12 mmHg。”投资者说：“我的投资组合月度价值的标准差是 ₹12,000。”工厂经理说：“我的机器生产的螺栓，标准差是 0.12 mm。”

Who has the most variable data? You cannot tell. The units are different — mmHg, rupees, millimetres — and so are the typical sizes: about 120 mmHg, about ₹80,000 and about 10 mm. Comparing these SDs directly is like comparing the weight of an apple, the length of a road and the temperature of a room. The numbers mean nothing without their scale.

किसका data सबसे ज़्यादा बदलता है? बताया नहीं जा सकता। Units अलग हैं — mmHg, रुपये, millimetre — और आम आकार भी: लगभग 120 mmHg, लगभग ₹80,000 और लगभग 10 mm. इन SDs की सीधी तुलना ऐसी है जैसे सेब का वज़न, सड़क की लंबाई और कमरे के तापमान की तुलना। अपने scale के बिना ये संख्याएँ बेमतलब हैं।

谁的数据波动最大？说不清。单位不同 —— mmHg、卢比、毫米 —— 典型大小也不同：约 120 mmHg、约 ₹80,000 和约 10 mm。直接比较这些标准差，就像比较一个苹果的重量、一条路的长度和一个房间的温度。离开各自的尺度，这些数字毫无意义。

CV is used everywhere — comparing the consistency of machines, the risk of investments, the precision of laboratory tests and the reliability of rainfall. It is one of the most practically useful statistics in a data scientist's toolkit.

CV हर जगह इस्तेमाल होता है — machines की consistency, investments का risk, lab tests की precision और बारिश की विश्वसनीयता की तुलना में। यह data scientist के toolkit के सबसे काम के statistics में से एक है।

CV 用途广泛 —— 比较机器的稳定性、投资的风险、实验室检测的精密度、降雨的可靠性。它是数据科学家工具箱里最实用的统计量之一。

CV in Pictures — Understand Before the Mathsतस्वीरों में CV — गणित से पहले समझें图解 CV — 先理解，再算数

Two datasets have exactly the same standard deviation, σ = 10. Dataset A has mean 20; dataset B has mean 200. On one shared ruler they look equally spread. But measure each one against its own size — a ruler from 0 to twice its mean — and the difference jumps out. That relative width is the CV.

दो datasets का standard deviation बिल्कुल एक है, σ = 10. Dataset A का mean 20 है; dataset B का 200. एक ही ruler पर दोनों बराबर फैले दिखते हैं। पर हर एक को उसके अपने आकार से नापें — 0 से उसके mean के दोगुने तक का ruler — और फ़र्क़ साफ़ दिखता है। यही relative चौड़ाई CV है।

两个数据集的标准差完全相同，σ = 10。数据集 A 的均值是 20，B 是 200。在同一把尺子上，它们看起来一样分散。但用各自的大小去量 —— 一把从 0 到自身均值两倍的尺子 —— 差别立刻显现。这个相对宽度就是 CV。

What CV Measures — The Core IdeaCV क्या मापता है — मूल विचारCV 衡量什么 — 核心思想

Standard deviation tells you the absolute spread of data. CV tells you the relative spread — how big the variation is compared with the average value. Think of it as asking: "For every unit of mean, how much variation do I have?"

Standard deviation data का absolute फैलाव बताता है। CV relative फैलाव बताता है — बदलाव औसत value की तुलना में कितना बड़ा है। इसे ऐसे सोचें: "Mean की हर unit पर मेरे पास कितना बदलाव है?"

标准差告诉你数据的绝对离散程度；CV 告诉你相对离散程度 —— 波动相对于平均值有多大。可以理解为在问：“每一个单位的均值，伴随多少波动？”

These cut-offs are rules of thumb. What counts as "low" depends on the field: 3% is poor for a precision instrument, while 30% is excellent for daily sales of a small shop. Adult heights have a CV of only about 4–5%, so they belong in the low group.

ये सीमाएँ अंगूठा-नियम हैं। "कम" क्या है, यह क्षेत्र पर निर्भर है: precision instrument के लिए 3% ख़राब है, जबकि छोटी दुकान की daily sales के लिए 30% बहुत अच्छा। वयस्कों की height का CV सिर्फ़ लगभग 4–5% है, इसलिए वह कम वाले group में आती है।

这些分界只是经验法则。什么算“低”取决于领域：对精密仪器，3% 已算差；而对小店的日销售额，30% 已经很好。成年人身高的 CV 只有约 4–5%，属于低 CV 一组。

The FormulaFormula公式

The formula is simple. You already know both parts — CV just divides one by the other.

Formula आसान है। आप दोनों हिस्से पहले से जानते हैं — CV बस एक को दूसरे से भाग देता है।

公式很简单。两个组成部分你都已经认识 —— CV 只是用一个除以另一个。

Step-by-Step Calculation — Three InvestmentsStep-by-Step गणना — तीन Investments分步计算 — 三项投资

An investor compares Gold, a Tech Stock and Government Bonds over five years. She wants to know how much the returns swing relative to their average.

एक investor पाँच साल के Gold, एक Tech Stock और Government Bonds की तुलना करती है। वह जानना चाहती है कि returns अपने औसत के मुक़ाबले कितना ऊपर-नीचे होते हैं।

一位投资者比较黄金、一只科技股和政府债券五年的表现。她想知道收益相对于平均水平波动有多大。

Real-World Stories by Fieldक्षेत्र के हिसाब से असली कहानियाँ各领域的真实故事

🏭 Manufacturing — comparing two machines🏭 Manufacturing — दो machines की तुलना🏭 制造业 —— 比较两台机器

A factory runs two machines. Machine A makes 50 mm bolts with σ = 2 mm (CV = 4%). Machine B makes 8 mm micro-screws with σ = 1 mm (CV = 12.5%). Machine A has the larger absolute deviation, yet it is the more consistent machine relative to what it makes. Machine B needs attention even though its SD looks smaller. CV shows what raw numbers hide.

एक factory में दो machines हैं। Machine A 50 mm के bolts बनाती है, σ = 2 mm (CV = 4%)। Machine B 8 mm के micro-screws बनाती है, σ = 1 mm (CV = 12.5%)। Machine A का absolute deviation बड़ा है, फिर भी अपने बनाए सामान के हिसाब से वह ज़्यादा एक जैसी है। Machine B पर ध्यान देने की ज़रूरत है, भले ही उसका SD छोटा दिखे। CV वह दिखाता है जो कच्ची संख्याएँ छिपाती हैं।

工厂有两台机器。机器 A 生产 50 mm 螺栓，σ = 2 mm（CV = 4%）。机器 B 生产 8 mm 微型螺钉，σ = 1 mm（CV = 12.5%）。机器 A 的绝对偏差更大，但相对于它的产品，它更稳定。机器 B 尽管标准差看起来更小，却需要检修。CV 揭示了原始数字掩盖的东西。

🧪 Laboratory science — test precision🧪 Laboratory science — test की precision🧪 实验室科学 —— 检测精密度

In clinical laboratories, CV is the standard way to report the precision of a test: the same sample is measured many times and the CV of the results is reported. For many routine tests, labs aim for a CV of a few percent (often below 5%); if a new analyser shows 15%, it is recalibrated or replaced. Because CV is relative, the same target can be used at low and high concentrations.

Clinical laboratories में CV किसी test की precision बताने का standard तरीका है: एक ही sample को कई बार मापा जाता है और नतीजों का CV बताया जाता है। बहुत से routine tests के लिए labs कुछ प्रतिशत (अक्सर 5% से कम) का CV चाहती हैं; अगर नया analyser 15% दिखाए, तो उसे recalibrate या बदल दिया जाता है। CV relative है, इसलिए कम और ज़्यादा concentrations पर एक ही target इस्तेमाल हो सकता है।

在临床实验室，CV 是报告检测精密度的标准方法：同一样本重复测量多次，报告结果的 CV。许多常规检测要求 CV 只有几个百分点（通常低于 5%）；如果新分析仪显示 15%，就要重新校准或更换。由于 CV 是相对的，高低浓度都可以用同一个目标值。

📊 Data science — comparing features before modelling📊 Data science — modelling से पहले features की तुलना📊 数据科学 —— 建模前比较特征

Before training a model, a data scientist compares two features: annual_income (mean ₹600,000, SD ₹420,000, CV = 70%) and age (mean 35 years, SD 9 years, CV = 26%). The SDs cannot be compared (rupees vs years), but the CVs can: income varies almost three times as much relative to its mean. A high CV like this often signals a skewed feature that may benefit from a log transform before modelling.

Model train करने से पहले एक data scientist दो features की तुलना करता है: annual_income (mean ₹600,000, SD ₹420,000, CV = 70%) और age (mean 35 साल, SD 9 साल, CV = 26%)। SDs की तुलना नहीं हो सकती (रुपये vs साल), पर CVs की हो सकती है: income अपने mean के हिसाब से लगभग तीन गुना ज़्यादा बदलती है। ऐसा ऊँचा CV अक्सर skewed feature का संकेत है, जिसे modelling से पहले log transform से फ़ायदा हो सकता है।

训练模型前，数据科学家比较两个特征：annual_income（均值 ₹600,000，标准差 ₹420,000，CV = 70%）和 age（均值 35 岁，标准差 9 岁，CV = 26%）。两个标准差无法比较（卢比 vs 年），但 CV 可以：收入相对于均值的波动几乎是年龄的三倍。这么高的 CV 往往意味着特征是偏斜的，建模前做对数变换可能会有帮助。

Python ImplementationPython ImplementationPython 实现

Manual calculation with NumPyNumPy से हाथ वाली गणना用 NumPy 手动计算

import numpy as np

# Annual returns (%) of three investments
gold       = [8, 10, 7, 11, 9]
tech_stock = [-5, 30, 12, 45, 18]
gov_bonds  = [4, 4, 5, 4, 4]

def cv(data):
    """Sample coefficient of variation, as a percentage."""
    arr = np.array(data)
    return np.std(arr, ddof=1) / np.mean(arr) * 100

for name, data in [("Gold", gold), ("Tech Stock", tech_stock), ("Gov Bonds", gov_bonds)]:
    print(f"{name:<11} mean = {np.mean(data):5.1f}%   s = {np.std(data, ddof=1):6.2f}%   CV = {cv(data):6.2f}%")

Using SciPySciPy से使用 SciPy

from scipy.stats import variation

gold       = [8, 10, 7, 11, 9]
tech_stock = [-5, 30, 12, 45, 18]
gov_bonds  = [4, 4, 5, 4, 4]

# variation() returns a ratio (not %) and uses ddof=0 by default
for name, data in [("Gold", gold), ("Tech Stock", tech_stock), ("Gov Bonds", gov_bonds)]:
    print(f"{name:<11} ddof=0: {variation(data) * 100:6.2f}%   ddof=1: {variation(data, ddof=1) * 100:6.2f}%")

scipy.stats.variation() returns a ratio, not a percentage, and uses ddof = 0 by default — notice how much lower those values are with only five data points.

scipy.stats.variation() percentage नहीं, ratio देता है, और default में ddof = 0 इस्तेमाल करता है — देखें कि सिर्फ़ पाँच data points पर ये values कितनी कम हैं।

scipy.stats.variation() 返回的是比值而不是百分比，默认 ddof = 0 —— 注意只有五个数据点时这些值低了多少。

Using pandaspandas से使用 pandas

import pandas as pd

df = pd.DataFrame({
    'gold':       [8, 10, 7, 11, 9],
    'tech_stock': [-5, 30, 12, 45, 18],
    'gov_bonds':  [4, 4, 5, 4, 4],
})

cv_series = df.std() / df.mean() * 100      # pandas .std() uses ddof=1
print("Ranked by consistency (lowest CV first):")
print(cv_series.sort_values().round(2))

CV for many features — an EDA reportकई features का CV — एक EDA report多个特征的 CV —— EDA 报告

import pandas as pd
import numpy as np

rng = np.random.default_rng(42)
n = 500
df = pd.DataFrame({
    'age':           rng.normal(35, 9, n).clip(18, 80),
    'annual_income': rng.lognormal(13, 0.7, n),
    'purchase_amt':  rng.exponential(2500, n),
    'loyalty_score': rng.normal(70, 5, n).clip(0, 100),
})

cv_report = pd.DataFrame({
    'mean':   df.mean(),
    'std':    df.std(),
    'cv_pct': df.std() / df.mean() * 100,
}).sort_values('cv_pct', ascending=False).round(1)
print(cv_report)

Purchase amount (exponential, CV ≈ 100% in theory) and income (log-normal, CV ≈ 80%) are the most variable; loyalty score is the most consistent. Features with very high CV are usually skewed — check a histogram before modelling.

Purchase amount (exponential, theory में CV ≈ 100%) और income (log-normal, CV ≈ 80%) सबसे ज़्यादा बदलते हैं; loyalty score सबसे एक जैसा है। बहुत ऊँचे CV वाले features आम तौर पर skewed होते हैं — modelling से पहले histogram देखें।

消费金额（指数分布，理论 CV ≈ 100%）和收入（对数正态，CV ≈ 80%）波动最大；忠诚度评分最稳定。CV 很高的特征通常是偏斜的 —— 建模前先看直方图。

When CV Breaks — Units, Zero and Negative ValuesCV कब टूटता है — Units, Zero और Negative ValuesCV 何时失效 — 单位、零与负值

CV divides by the mean, so it only means something when the mean measures "how much of it there is". Two quick tests show when that is true.

CV mean से भाग देता है, इसलिए इसका मतलब तभी है जब mean यह मापे कि "कितना है"। दो छोटे tests दिखाते हैं कि यह कब सच है।

CV 要除以均值，所以只有当均值衡量的是“有多少”时才有意义。两个小测试能说明何时成立。

Test 1 — change the unitTest 1 — unit बदलें测试 1 —— 换单位

import numpy as np

def cv(x):
    return np.std(x, ddof=1) / np.mean(x) * 100

heights_cm = np.array([152, 160, 165, 170, 178, 185])
print(f"Heights   cm: SD = {np.std(heights_cm, ddof=1):6.2f}   CV = {cv(heights_cm):.2f}%")
print(f"Heights   in: SD = {np.std(heights_cm / 2.54, ddof=1):6.2f}   CV = {cv(heights_cm / 2.54):.2f}%")

temps_c = np.array([12, 15, 18, 21, 24, 27])
temps_f = temps_c * 9 / 5 + 32
temps_k = temps_c + 273.15
print(f"\nTemps     °C: CV = {cv(temps_c):6.2f}%")
print(f"Temps     °F: CV = {cv(temps_f):6.2f}%")
print(f"Temps      K: CV = {cv(temps_k):6.2f}%   <- same days, three different 'answers'")

Test 2 — move the mean towards zeroTest 2 — mean को zero की ओर ले जाएँ测试 2 —— 让均值靠近零

import numpy as np

def cv(x):
    return np.std(x, ddof=1) / np.mean(x) * 100

steady = np.array([9, 11, 8, 12, 10])   # returns (%), mean 10
flat   = steady - 9.8                    # SAME spread, mean 0.2
losing = steady - 20                     # SAME spread, mean -10

for name, r in [("mean 10%", steady), ("mean 0.2%", flat), ("mean -10%", losing)]:
    print(f"{name:<10} SD = {np.std(r, ddof=1):.2f}   CV = {cv(r):9.1f}%")

All three return series have exactly the same spread (SD 1.58). Only the mean differs — and CV goes from 15.8% to 790.6% to a meaningless −15.8%.

तीनों return series का फैलाव बिल्कुल एक (SD 1.58) है। सिर्फ़ mean अलग है — और CV 15.8% से 790.6% और फिर बेमतलब −15.8% हो जाता है।

三组收益序列的离散程度完全相同（标准差 1.58），只有均值不同 —— CV 却从 15.8% 变成 790.6%，再变成毫无意义的 −15.8%。

CV vs Standard Deviation — When to Use WhichCV vs Standard Deviation — कब कौन साCV vs 标准差 — 何时用哪个

Golden RulesGolden Rules黄金法则