numpy.std #
- 麻木的。std ( a , axis=None , dtype=None , out=None , ddof=0 , keepdims=<无 值> , * , where=<无 值> ) [来源] #
计算沿指定轴的标准差。
返回数组元素的标准差,即分布分布的度量。默认情况下计算展平数组的标准差,否则计算指定轴上的标准差。
- 参数:
- 类似数组
计算这些值的标准差。
- axis无或整数或整数元组,可选
计算标准差所沿的一个或多个轴。默认值是计算展平数组的标准差。
1.7.0 版本中的新增内容。
如果这是一个整数元组,则在多个轴上执行标准偏差,而不是像以前那样在单个轴或所有轴上执行。
- 数据类型数据类型,可选
用于计算标准差的类型。对于整数类型的数组,默认值为 float64,对于浮点类型的数组,默认值与数组类型相同。
- 输出ndarray,可选
用于放置结果的替代输出数组。它必须具有与预期输出相同的形状,但如果需要,将转换(计算值的)类型。
- ddof int,可选
表示自由度 Delta。计算中使用的除数是,其中表示元素的数量。默认情况下ddof为零。
N - ddof
N
- keepdims布尔值,可选
如果将此设置为 True,则缩小的轴将作为大小为 1 的维度保留在结果中。使用此选项,结果将针对输入数组正确广播。
如果传递默认值,则keepdims将不会传递到
std
的子类的方法ndarray
,但任何非默认值都会传递。如果子类的方法没有实现keepdims,则会引发任何异常。- 其中array_like of bool,可选
标准差中包含的元素。
reduce
详情请参阅。1.20.0 版本中的新增功能。
- 返回:
- standard_deviation ndarray,请参阅上面的 dtype 参数。
如果out为 None,则返回包含标准差的新数组,否则返回对输出数组的引用。
笔记
标准差是与平均值的偏差平方的平均值的平方根,即 ,其中 。
std = sqrt(mean(x))
x = abs(a - a.mean())**2
平均平方偏差通常计算为,其中。但是,如果指定了ddof ,则使用除数 。在标准统计实践中, 提供无限总体方差的无偏估计量。 提供正态分布变量方差的最大似然估计。此函数中计算的标准差是估计方差的平方根,因此即使使用 ,它也不会是标准差本身的无偏估计。
x.sum() / N
N = len(x)
N - ddof
ddof=1
ddof=0
ddof=1
请注意,对于复数,
std
在平方之前取绝对值,以便结果始终为实数且非负。对于浮点输入,std是使用与输入相同的精度计算的。根据输入数据,这可能会导致结果不准确,尤其是对于 float32(请参见下面的示例)。使用关键字指定更高精度的累加器
dtype
可以缓解这个问题。例子
>>> a = np.array([[1, 2], [3, 4]]) >>> np.std(a) 1.1180339887498949 # may vary >>> np.std(a, axis=0) array([1., 1.]) >>> np.std(a, axis=1) array([0.5, 0.5])
在单精度下,std() 可能不准确:
>>> a = np.zeros((2, 512*512), dtype=np.float32) >>> a[0, :] = 1.0 >>> a[1, :] = 0.1 >>> np.std(a) 0.45000005
计算 float64 中的标准差更准确:
>>> np.std(a, dtype=np.float64) 0.44999999925494177 # may vary
指定 where 参数:
>>> a = np.array([[14, 8, 11, 10], [7, 9, 10, 11], [10, 15, 5, 10]]) >>> np.std(a) 2.614064523559687 # may vary >>> np.std(a, where=[[True], [True], [False]]) 2.0