numpy.std

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

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

var，mean，nanmean，nanstd，nanvar

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