numpy.nanstd¶
-
numpy.
nanstd
(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<class numpy._globals._NoValue>)[source]¶ 计算沿着指定轴的标准偏差,而忽略NaN。
返回非NaN数组元素的标准偏差,分布的分布的度量。默认情况下为扁平数组计算标准偏差,否则在指定轴上计算。
对于具有零自由度的所有NaN切片或切片,返回NaN并且提高RuntimeWarning。
版本1.8.0中的新功能。
参数: a:array_like
计算非NaN值的标准偏差。
axis:int,可选
计算标准偏差的轴。默认值是计算扁平数组的标准偏差。
dtype:dtype,可选
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float类型的数组,它与数组类型相同。
out: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,将转换类型(计算值)。
ddof:int,可选
意味着三角自由度。用于计算的除数是
N - ddof
,其中N
的非NaN元素。默认情况下,ddof为零。keepdims:bool,可选
如果设置为True,则缩小的轴在结果中保留为尺寸为1的尺寸。使用此选项,结果将与原始a正确地广播。
如果该值是除了默认值之外的任何值,它将按原样传递到子类的相关函数。如果这些函数没有keepdims kwarg,则会引发RuntimeError。
返回: standard_deviation:ndarray,请参阅上面的dtype参数。
如果out为None,则返回包含标准偏差的新数组,否则返回对输出数组的引用。如果ddof> =切片中的非NaN元素的数目或切片仅包含NaN,则该切片的结果为NaN。
笔记
The standard deviation is the square root of the average of the squared deviations from the mean:
std = sqrt(mean(abs(x - x.mean())**2))
.The average squared deviation is normally calculated as
x.sum() / N
, whereN = len(x)
. 但是,如果指定ddof,则使用除数N - ddof 代替。
在标准统计实践中,ddof=1
提供无穷总体方差的无偏估计量。ddof=0
提供正态分布变量的方差的最大似然估计。在该函数中计算的标准偏差是估计方差的平方根,因此即使在ddof=1
时,它也不是标准偏差本身的无偏估计。需要注意的是,对于复数,
std
对于浮点输入,使用输入具有的相同精度计算std。根据输入数据,这可能导致结果不准确,特别是对于float32(参见下面的示例)。使用
dtype
关键字指定更高精度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])