numpystd()函数

Python的numpy模块提供了一个名为 numpy.std()的函数，该函数用于计算沿指定轴的标准偏差。此函数返回数组元素的标准偏差。平均平方偏差(根据平均值计算)的平方根称为标准偏差。默认情况下，将为展平数组计算标准偏差。借助于 x.sum()/N ，通常可以计算出平均平方偏差，此处N = len(x)。

标准偏差= 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

axis:None，int或tuple of ints(可选)

它是计算标准偏差所沿的轴。默认情况下，将计算展平数组的标准偏差。如果是整数元组，请在多轴而不是以前的单轴或所有轴上执行标准偏差。

dtype:data_type(可选)

此参数定义数据类型，该数据类型用于计算标准偏差。默认情况下，整数类型数组的数据类型为float64，而对于浮点类型数组，其数据类型将与数组类型相同。

out:ndarray(可选)

此参数定义要在其中放置结果的替代输出数组。此替代ndarray具有与预期输出相同的形状。但是我们在必要时强制转换类型。

ddof:int(可选)

此参数定义Delta自由度。 N-ddof除数用于计算，其中N是元素数。默认情况下，此参数的值设置为0。

keepdims:bool(可选)

它是可选的，其值为true时，将在结果中将缩小的轴保留为尺寸为1的尺寸。传递默认值时，它将允许非默认值通过ndarray子类的mean方法传递，但keepdims不会传递。同样，输出或结果将正确地针对输入数组进行广播。

返回值

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

范例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

• 我们导入了别名为np的numpy。
• 我们通过array()函数创建了一个数组'a'。
• 我们已经声明了变量'b'并分配了 std()函数的返回值。
• 我们已在函数中传递了数组'a'
• 最后，我们尝试打印'b'的值。

在输出中，显示了包含标准偏差的数组。

范例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])

范例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])

范例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

• 我们导入了别名为np的numpy。
• 我们已经使用np.zeros()函数创建了一个数组'a'，其数据类型为np.float32。
• 我们已将值0.1分配给第1 ^{st 行的元素，并将值1.0分配给了第二行的元素。}
• 我们已在函数中传递了数组'a'
• 最后，我们尝试打印'b'的值。

在输出中，显示了标准偏差，可能不准确。

输出:

0.45000008

范例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

输出:

0.4499999992549418