NumPy 标准差

Python的numpy模块提供了一个名为numpy.std()的函数，用于计算沿指定轴的标准差。该函数返回数组元素的标准差。从平均值计算出的平均平方偏差的平方根被称为标准差。默认情况下，标准差是针对扁平化的数组进行计算的。通过使用x.sum()/N，通常计算出平均平方偏差，其中N=len(x)。

标准差=sqrt(mean(abs(x-x.mean( ))**2

语法

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

参数

a：array_like

此参数定义要计算标准差的源数组的元素。

axis：None、int或int的元组（可选）

沿着要计算标准差的轴。默认情况下，计算平坦数组的标准差。如果它是一个int元组，则执行多个轴的标准差，而不是以前的单个轴或所有轴。

dtype：data_type（可选）

此参数定义用于计算标准差的数据类型。默认情况下，integer类型数组的数据类型为float64，而float类型数组的数据类型与数组类型相同。

out：ndarray（可选）

此参数定义结果要放置的备用输出数组。此备用ndarray与预期输出具有相同的形状。但在必要时进行类型转换。

ddof：int（可选）

此参数定义Delta自由度。计算中使用的除数为N-ddof，其中N是元素的数量。默认情况下，此参数的值设置为0。

keepdims：bool（可选）

它是可选的，当为true时，会将减少的轴保留为维度，其大小为一个结果。当传递默认值时，它将允许非默认值通过ndarray的子类的mean方法传递，但keepdims不会通过。而且，输出或结果将正确地传播到输入数组。

返回值

此函数将返回一个包含标准差的新数组。如果我们将’out’参数设置为None，它将返回输出数组的引用。

示例1

a=np.array([[1,4,7,10],[2,5,8,11]])
b=np.std(a)
b

输出:

3.391164991562634

在上面的代码中

• 我们使用别名 np 导入了 numpy 库。
• 我们通过 array() 函数创建了一个数组 ‘a’。
• 我们声明了变量 ‘b’，并将 std() 函数的返回值赋值给它。
• 我们将数组 ‘a’ 作为参数传递给函数。
• 最后，我们尝试打印 ‘b’ 的值。

在输出中，显示了包含标准差的数组。

示例2

a=np.array([[1,4,7,10],[2,5,8,11]])
b=np.std(a, axis=0)
b

输出：

array([0.5, 0.5, 0.5, 0.5])

示例3

a=np.array([[1,4,7,10],[2,5,8,11]])
b=np.std(a, axis=1)
b

输出：

array([3.35410197, 3.35410197])

示例4

import numpy as np
a = np.zeros((2, 512*512), dtype=np.float32)
a[1, :] = 1.0
a[0, :] = 0.1
b=np.std(a)
b

在上面的代码中

• 我们使用np作为别名导入了numpy。
• 我们使用np.zeros()函数创建了一个数据类型为np.float32的数组’a’。
• 我们将1行的元素赋值为0.1，将第2行的元素赋值为1.0。
• 我们将数组’a’传入了函数中。
• 最后，我们尝试打印 ‘b’ 的值。

输出结果显示了标准偏差，但可能不准确。

输出：

0.45000008

示例5

import numpy as np
a = np.zeros((2, 512*512), dtype=np.float32)
a[1, :] = 1.0
a[0, :] = 0.1
b=np.std(a ,dtype=np.float64))
b

结果：

0.4499999992549418