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
numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<class numpy._globals._NoValue>)
a:array_like
该参数定义了源数组,其元素标准偏差已计算出来。
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。
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。
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
在输出中,显示了包含标准偏差的数组。
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])
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])
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
在输出中,显示了标准偏差,可能不准确。
输出:
0.45000008
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
祝学习愉快!(内容编辑有误?请选中要编辑内容 -> 右键 -> 修改 -> 提交!)