numpy标准差

Python的numpy模块提供了一个名为numpy.std()的函数，用于计算沿指定轴的标准偏差。此函数返回数组元素的标准偏差。平均平方偏差(根据平均值计算)的平方根称为标准偏差。默认情况下，将为展平数组计算标准偏差。通常在x.sum()/ N的帮助下计算平均平方偏差，这里N = len(x)。

标准偏差= sqrt(平均值(abs(xx.mean())** 2

句法：

numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=)

参量

一个：array_like

该参数定义了源数组，其元素标准偏差已计算出来。

轴：无，整数或整数元组(可选)

它是计算标准偏差所沿的轴。默认情况下，将计算展平数组的标准偏差。如果是整数元组，请在多轴而不是以前的单轴或所有轴上执行标准偏差。

dtype：data_type(可选)

此参数定义数据类型，该数据类型用于计算标准偏差。默认情况下，整数类型数组的数据类型为float64，浮点类型数组的数据类型与数组类型相同。

out：ndarray(可选)

此参数定义要在其中放置结果的替代输出数组。此替代ndarray具有与预期输出相同的形状。但是我们在必要时强制转换类型。

ddof：int(可选)

此参数定义Delta自由度。 N-ddof除数用于计算，其中N是元素数。默认情况下，此参数的值设置为0。

keepdims：布尔(可选)

它是可选的，其值为true时，将在结果中将缩小的轴保留为尺寸为1的尺寸。当传递默认值时，它将允许非默认值通过ndarray子类的mean方法传递，但keepdims不会传递。同样，输出或结果将正确地针对输入数组进行广播。

退货

此函数将返回一个包含标准偏差的新数组。如果我们不将’out’参数设置为None，它将返回输出数组的引用。

范例1：

a=np.array([[1,4,7,10],[2,5,8,11]])
b=np.std(a)
b

输出：

3.391164991562634

在上面的代码中

• 我们导入了别名为np的numpy。
• 我们通过array()函数创建了一个数组’a’。
• 我们已经声明了变量’b’并分配了std()函数的返回值。
• 我们已经在函数传递了数组’a’
• 最后，我们尝试print‘b’的值。

在输出中，显示了包含标准偏差的数组。

范例2：

a=np.array([[1,4,7,10],[2,5,8,11]])
b=np.std(a, axis=0)
b

输出：

array([0.5, 0.5, 0.5, 0.5])

范例3：

a=np.array([[1,4,7,10],[2,5,8,11]])
b=np.std(a, axis=1)
b

输出：

array([3.35410197, 3.35410197])

范例4：

import numpy as np
a = np.zeros((2, 512*512), dtype=np.float32)
a[1, :] = 1.0
a[0, :] = 0.1
b=np.std(a)
b

在上面的代码中

• 我们导入了别名为np的numpy。
• 我们使用数据类型为np.float32的np.zeros()函数创建了一个数组’a’。
• 我们已经值0.1分配给第¹行和1.0到第二行中的元素的元素。
• 我们已经在函数传递了数组’a’
• 最后，我们尝试print‘b’的值。

在输出中，显示了标准偏差，可能不准确。

输出：

0.45000008

范例5：

import numpy as np
a = np.zeros((2, 512*512), dtype=np.float32)
a[1, :] = 1.0
a[0, :] = 0.1
b=np.std(a ,dtype=np.float64))
b

输出：

0.4499999992549418