numpy.nanstd

numpy.nanstd(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<class numpy._globals._NoValue>)

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。

也可以看看

var，mean，std，nanvar，nanmean

numpy.doc.ufuncs

节“输出参数”

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, where N = 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])