NumPy参考 >例行程序 >Statistics > numpy.nanstd
numpy.nanstd（a，axis = None，dtype = None，out = None，ddof = 0，keepdims = <无值> ）[源代码] ¶忽略NaN时，计算沿指定轴的标准偏差。
返回非NaN数组元素的标准偏差，即分布分布的度量。默认情况下，将为展平数组计算标准偏差，否则将在指定轴上计算。
对于全NaN切片或自由度为零的切片，将返回NaN并引发RuntimeWarning。
1.8.0版中的新功能。
计算非NaN值的标准偏差。
计算标准偏差所沿的一个或多个轴。默认值是计算展平数组的标准偏差。
用于计算标准偏差的类型。对于整数类型的数组，默认值为float64，对于浮点类型的数组，其与数组类型相同。
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，但如有必要，将强制转换（计算值的）类型。
表示Delta自由度。计算中使用的除数为，其中表示非NaN元素的数量。默认情况下，ddof为零。N - ddofN
如果将其设置为True，则缩小的轴将保留为尺寸1的尺寸。使用此选项，结果将相对于原始a正确广播。
如果该值不是默认值，它将按原样传递给子类的相关函数。如果这些函数没有keepdims kwarg，则会引发RuntimeError。
如果out为None，则返回包含标准偏差的新数组，否则返回对输出数组的引用。如果ddof> ==切片中非NaN元素的数量，或者该切片仅包含NaN，则该切片的结果为NaN。
笔记
标准差是与均值平方差的平均值的平方根。std = sqrt(mean(abs(x - x.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。在标准的统计实践中，提供了无穷总体方差的无偏估计量。提供正态分布变量的方差的最大似然估计。在此函数中计算的标准偏差是估计方差的平方根，因此即使使用，也不会是标准偏差本身的无偏估计。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，因此结果始终是实数且非负数。
对于浮点输入，将使用与输入相同的精度来计算std。根据输入数据，这可能导致结果不准确，尤其是对于float32（请参见下面的示例）。使用dtype
关键字指定精度更高的累加器可以缓解此问题。
例子
>>> a = np.array([[1, np.nan], [3, 4]])
>>> np.nanstd(a)
1.247219128924647
>>> np.nanstd(a, axis=0)
array([1., 0.])
>>> np.nanstd(a, axis=1)
array([0., 0.5]) # may vary