numpy.nanstd

numpy.nanstd(a, axis=None, dtype=None, out=None, ddof=0, keepdims=

忽略NaN時，計算沿指定軸的標準偏差。

返回非NaN數組元素的標準偏差，即分布分布的度量。默認情況下，將為展平數組計算標準偏差，否則將在指定軸上計算。

對于全NaN切片或自由度為零的切片，將返回NaN并引發RuntimeWarning。

1.8.0版中的新功能。參數 ：a ：array_like

計算非NaN值的標準偏差。

axis ：{int, int類型的tuple, None}, 可選

計算標準偏差所沿的一個或多個軸。

默認值是計算展平數組的標準偏差。

dtype ：dtype, 可選

用于計算標準偏差的類型。對于整數類型的數組，

默認值為float64，

對于浮點類型的數組，其與數組類型相同。

out ：ndarray, 可選

放置結果的備用輸出數組。

它必須具有與預期輸出相同的形狀，

但如有必要，將強制轉換(計算值的類型)。

ddof ：int, 可選

表示Delta自由度。計算中使用的除數為N-ddof，

其中N表示非NaN元素的數量。默認情況下，ddof為零。

keepdims ：bool, 可選

如果將其設置為True，則縮小的軸將保留為尺寸1的尺寸。

使用此選項，結果將相對于原始a正確傳遞。

如果該值不是默認值，它將按原樣傳遞給子類的相關函數。

如果這些函數沒有keepdims kwarg，則會引發RuntimeError。

返回值 ：standard_deviation ：ndarray, see dtype parameter above.

如果out為None，則返回包含標準偏差的新數組，

否則返回對輸出數組的引用。

如果ddof>> =切片中非NaN元素的數量，

或者該切片僅包含NaN，則該切片的結果為NaN。

Notes

標準差是與均值平方差的平均值的平方根：std = sqrt(mean(abs(x - x.mean())** 2))。

平均平方偏差通常計算為x.sum()/N，其中N = len(x)。但是，如果指定了ddof，則使用除數N-ddof。在標準統計實踐中，ddof = 1提供了無窮總體方差的無偏估計量。ddof = 0為正態分布變量提供方差的最大似然估計。此函數中計算的標準偏差是估計方差的平方根，因此即使使用ddof = 1，它本身也不是標準偏差的無偏估計。 。

請注意，對于復數，std在平方之前取絕對值，因此結果始終是實數且非負數。

對于浮點輸入，將使用與輸入相同的精度來計算std。根據輸入數據，這可能導致結果不準確，尤其是對于float32(請參見下面的示例)。使用dtype關鍵字指定精度更高的累加器可以緩解此問題。

例子>>> a = np.array([[1, np.nan], [3, 4]])

>>> np.nanstd(a)

1.247219128924647

>>> np.nanstd(a, axis=0)

array([1., 0.])

>>> np.nanstd(a, axis=1)

array([0., 0.5]) # may vary

總結

以上是生活随笔為你收集整理的python的std函数_Python numpy.nanstd函数方法的使用的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。