📜  Python中的 numpy.std()(1)

📅  最后修改于: 2023-12-03 15:04:33.799000             🧑  作者: Mango

Python中的 numpy.std()

numpy.std()是NumPy库的一个函数,用于计算数组的标准差(standard deviation)。标准差是一组数据的平均值偏离每个数据点平均值的平均距离的平方根。使用numpy.std()可以轻松地计算数组中的标准差。

语法

numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>)

参数说明:

  • a:需要计算标准差的数组。
  • axis:指定计算的轴。如果未指定,则计算整个数组的标准差。
  • dtype:数组元素的数据类型。
  • out:计算结果的输出。
  • ddof:自由度调整,用于计算方差的除数。
  • keepdims:指定结果的维度是否保留。
示例
import numpy as np

a = np.array([1, 2, 3, 4, 5])
std_a = np.std(a)
print("数组a的标准差为:", std_a)

输出结果为:

数组a的标准差为: 1.4142135623730951

以上示例中,我们使用numpy.std()函数计算了数组a的标准差。

指定计算的轴
import numpy as np

a = np.array([[1, 2, 3], [4, 5, 6]])
# 沿行计算标准差
std_row_a = np.std(a, axis=0)
# 沿列计算标准差
std_col_a = np.std(a, axis=1)
print("数组a沿行计算标准差:", std_row_a)
print("数组a沿列计算标准差:", std_col_a)

输出结果为:

数组a沿行计算标准差: [1.5 1.5 1.5]
数组a沿列计算标准差: [0.81649658 0.81649658]

以上示例中,我们分别沿行和沿列计算了数组a的标准差。我们可以看到,沿行计算标准差时,每一列的标准差结果是一样的,沿列计算标准差时,每一行的标准差结果是一样的。

计算多维数组的标准差
import numpy as np

a = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
std_a = np.std(a)
print("多维数组a的标准差为:", std_a)

输出结果为:

多维数组a的标准差为: 2.29128784747792

以上示例中,我们计算了一个三维数组a的标准差。统计多维数组的标准差时,可以通过设置axis参数来指定计算的轴。

小结

使用numpy.std()函数可以轻松计算数组的标准差。我们可以通过指定计算的轴来计算多维数组中的标准差。此外,使用ddof参数可以对方差的计算进行设置。numpy.std()函数也可以用于计算掩码数组的标准差。