Den numpy modulen i Python tillhandahåller en funktion som kallas numpy.std() , används för att beräkna standardavvikelsen längs den angivna axeln. Denna funktion returnerar standardavvikelsen för arrayelementen. Kvadratroten av den genomsnittliga kvadratavvikelsen (beräknad från medelvärdet), kallas standardavvikelsen. Som standard beräknas standardavvikelsen för den tillplattade matrisen. Med hjälp av x.sum()/N , beräknas normalt den genomsnittliga kvadratavvikelsen, och här är N=len(x).
Standardavvikelse=sqrt(mean(abs(x-x.mean( ))**2
Syntax:
numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=)
Parametrar
a: array_like
Denna parameter definierar källmatrisen vars elements standardavvikelse beräknas.
axel: Ingen, int eller tupel av ints (valfritt)
Det är den axel längs vilken standardavvikelsen beräknas. Standardavvikelsen för den tillplattade matrisen beräknas som standard. Om det är en tupel av ints, utför standardavvikelse över flera axlar istället för en enstaka axel eller alla axlar som tidigare.
dtype : data_type (valfritt)
Denna parameter definierar datatypen som används för att beräkna standardavvikelsen. Som standard är datatypen float64 för arrayer av heltalstyp, och för floattyper array kommer den att vara samma som arraytypen.
objektjämlikhet i java
ut: ndarray (valfritt)
Denna parameter definierar den alternativa utgångsmatrisen i vilken resultatet ska placeras. Denna alternativa ndarray har samma form som den förväntade utdata. Men vi gjuter typen när det behövs.
dof : int (valfritt)
git push-kommando
Denna parameter definierar Delta-frihetsgraderna. N-ddof-divisorn används i beräkningar, där N är antalet element. Som standard är värdet för denna parameter satt till 0.
keepdims : bool (valfritt)
Det är valfritt, vars värde, när det är sant, kommer att lämna den reducerade axeln som dimensioner med storlek ett i resultanten. När det passerar standardvärdet kommer det att tillåta icke-standardvärden att passera via medelmetoden för underklasser av ndarray, men keepdims kommer inte att passera. Dessutom kommer utdata eller resultatet att sändas mot inmatningsmatrisen korrekt.
Returnerar
Denna funktion returnerar en ny array som innehåller standardavvikelsen. Om vi inte ställer in parametern 'ut' till Ingen, returnerar den utgångsmatrisens referens.
Exempel 1:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a) b
Produktion:
3.391164991562634
I ovanstående kod
- Vi har importerat numpy med alias np.
- Vi har skapat en array 'a' via array()-funktionen.
- Vi har deklarerat variabeln 'b' och tilldelat det returnerade värdet på std() fungera.
- Vi har passerat arrayen 'a' i funktionen
- Till sist försökte vi skriva ut värdet på 'b' .
I utgången har en array som innehåller standardavvikelse visats.
Exempel 2:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=0) b
Produktion:
strängvärde av
array([0.5, 0.5, 0.5, 0.5])
Exempel 3:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=1) b
Produktion:
array([3.35410197, 3.35410197])
Exempel 4:
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
I ovanstående kod
- Vi har importerat numpy med alias np.
- Vi har skapat en array 'a' med funktionen np.zeros() med datatypen np.float32.
- Vi har tilldelat värdet 0,1 till elementen i 1:anstrad och 1,0 till elementen i den andra raden.
- Vi har passerat arrayen 'a' i funktionen
- Till sist försökte vi skriva ut värdet på 'b' .
I utgången har standardavvikelsen visats, vilket kan vara felaktigt.
Produktion:
0.45000008
Exempel 5:
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
Produktion:
0.4499999992549418