在Python中计算矩阵的标准偏差

在本文中，我们将学习如何使用Python计算矩阵的标准偏差。

标准偏差用于测量数据集中值的分布。它表示数据集中值的变化或分散，还有助于确定模型统计结论的置信度。它由 sigma (σ) 表示，并通过取方差的平方根来计算。如果标准偏差低，则意味着大多数值更接近均值，如果标准差高，则意味着更接近均值。在本文中，我们将学习在Python中计算 SD 的不同方法。

我们可以使用以下方法计算标准偏差：

1. NumPy 包中的 std() 方法
2. 统计包中的 stdev() 方法

方法一： NumPy 包中的 std() 方法。

Python3

# import required packages
import numpy as np
  
# Create matrix
matrix = np.array([[33, 55, 66, 74], [23, 45, 65, 27],
                  [87, 96, 34, 54]])
  
print("Your matrix:\n", matrix)
  
# use std() method
sd = np.std(matrix)
print("Standard Deviation :\n", sd)

输出 ：

Your matrix:
[[33 55 66 74]
[23 45 65 27]
[87 96 34 54]]
Standard Deviation :
22.584870796373593

方法 2： Statistics 包中的 stdev() 方法。

蟒蛇3

import statistics
  
  
statistics.stdev([11, 43, 56, 77, 87, 45, 67, 33])

输出 ：

24.67466890789592