上一主题

numpy.mean

下一主题

numpy.var

numpy.std

numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<class numpy._globals._NoValue>)[source]

计算沿指定轴的标准偏差。

返回数组元素的标准偏差,分布的扩展的度量。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。

参数:

a:array_like

计算这些值的标准偏差。

axis:无或int或tuple ints,可选

计算标准偏差的轴或轴。默认值是计算扁平数组的标准偏差。

如果这是一个ints的元组,则在多个轴上执行标准偏差,而不是像以前一样执行单个轴或所有轴。

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,结果将相对于原始arr正确广播。

如果传递默认值,则keepdims将不会传递到ndarray的子类的std方法,默认值为。如果子类sum方法不实现keepdims,则会引发任何异常。

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。

也可以看看

varmeannanmeannanstdnanvar

numpy.doc.ufuncs
节“输出参数”

笔记

标准偏差是来自平均值的平方偏差的平均值的平方根,即std = sqrt(mean(abs / t3> - 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, 2], [3, 4]])
>>> np.std(a)
1.1180339887498949
>>> np.std(a, axis=0)
array([ 1.,  1.])
>>> np.std(a, axis=1)
array([ 0.5,  0.5])

在单精度中,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中的标准偏差更准确:

>>> np.std(a, dtype=np.float64)
0.44999999925494177