NumPy参考 >例行程序 >Statistics > numpy.std
numpy.
std
(a,axis = None,dtype = None,out = None,ddof = 0,keepdims = <无值> )[源代码] ¶计算沿指定轴的标准偏差。
返回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。
计算这些值的标准偏差。
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。
1.7.0版中的新功能。
如果这是一个整数元组,那么将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,其中表示元素数。默认情况下,ddof为零。N - ddof
N
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,结果将针对输入数组正确广播。
如果传递了默认值,则keepdims不会传递给的std
子类的方法
ndarray
,但是任何非默认值都将传递。如果子类的方法未实现keepdims,则将引发任何异常。
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。
笔记
标准偏差是与均值平方差的平均值的平方根,即。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() / 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,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, 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])
单精度而言,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中的标准偏差更为准确:
>>> np.std(a, dtype=np.float64)
0.44999999925494177 # may vary