numpy.std

麻木的。std ( a , axis=None , dtype=None , out=None , ddof=0 , keepdims=<无 值> , * , where=<无 值> )

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 - ddofN

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。

也可以看看

var, mean, nanmean, nanstd,nanvar

输出类型确定

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() / NN = len(x)N - ddofddof=1ddof=0ddof=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