NumPy std()函数
在本教程中，我们将介绍 Numpy 库的另一个名为numpy.std()的统计函数。
在numpy.std()功能中“标准”代表标准偏差。让我们首先告诉你什么是标准差均值，然后我们将介绍这个方法。
什么是标准差？
标准差基本上是一组值的变异量或离差的度量。**
它也被称为平均值的平方偏差平均值的平方根。
让我们看看标准差公式:
std = sqrt(mean(abs(x - x.mean())**2))
要了解如何计算数组值的平均值，您可以查看: Numpy numpy.mean()函数。
NumPy numpy.std()功能:
numpy.std()功能用于计算沿指定轴的标准偏差。
该函数用于寻找标准偏差，该标准偏差是阵列元素分布的扩散的度量。
默认情况下，标准偏差是为展平数组计算的，否则，它是在指定的轴上计算的。
numpy.std()的语法:
使用该函数所需的语法如下:
numpy.std(a, axis, dtype, out)
参数:
下面是这个函数使用的参数描述:
a 该参数用于指示输入数组。
轴 这个参数用来表示我们要计算中位数的轴。默认情况下，输入数组被展平(即在所有轴上工作)。这里，对于轴的值，轴= 0 表示沿列的，轴= 1 表示沿行工作的。
out 这是一个可选的参数，用于指示输出将存储在其中的替代数组。数组必须具有与预期输出相同的维度。
数据类型 这是一个可选的参数，用于在计算标准差时指示我们想要的类型。
返回值:
此函数返回数组的标准偏差(如果轴为无，它将返回标量值)或具有沿指定轴的标准偏差值的数组。如果out 参数为 None ，则该函数将返回一个包含标准差的新数组，否则将返回一个对输出数组的引用。
例 1:
下面我们有一个代码示例，其中我们将使用numpy.std()函数来计算 2D 阵列的标准偏差:
import numpy as np
a = np.array([[11, 2], [13, 44]])
print("The array is:\n",a)
print("Standard Deviation is :")
print(np.std(a))
print("Standard Deviation along axis 0:")
print(np.std(a, axis=0))
print("Standard Deviation along axis 1:")
print(np.std(a, axis=1))
数组为: 【【11 2】 【13 44】】 标准差为: 15.850867484147358 沿 0 轴标准差: 【1。21.】 沿轴 1 的标准偏差: 【4.5±15.5】
例 2:
import numpy as np
inp = [22, 2, 17, 11, 34]
print("The input array is : ")
print(inp)
print("The standard deviation of the Input Array is: ")
print(np.std(inp))
print ("\nTo get More precision with float32")
print("Thus std of array is : ", np.std(inp, dtype = np.float32))
print ("\nTo get More accuracy with float64")
print("The std of array is : ", np.std(inp, dtype = np.float64))
输入数组为: 【22，2，17，11，34】 输入数组的标准差为: 10.721940122944167
用 float32 获得更高的精度因此数组的 std 为:10.72194
用 float64 获得更高的精度数组的 std 为:10.720000000006
注: 为了更准确地计算标准差dtype使用了float64。
摘要
在本教程中，我们介绍了numpy.std()统计函数。我们还介绍了标准差的含义及其数学公式。然后我们通过一些代码示例理解了numpy.std()函数的语法、参数以及该方法返回的值。