Numpy std()函数是用于计算数组中元素的标准差的函数。标准差是测量数据分布的一种度量,它是指各个数据点相对于数据集平均值的离散程度。在数据分析中,标准差被广泛使用,因为它是一种很好的识别异常值的工具。
使用方法:
np.std(arr, axis=None, dtype=None, ddof=0,out=None, keepdims=False)
参数说明:
arr:表示要计算标准差的数组。
axis:这是用于沿着数组的某个轴计算标准差的轴。默认情况下,它是None,这意味着将在整个数组中计算标准差。
dtype:这确定所返回的标准差的结果类型。
ddof:这是用于计算标准差的自由度修正值。默认值为0。
out:这可以是已存在的输出数组,用于保存结果。
keepdims:如果为True,则输出和输入的数组维度相同。
import numpy as np
a = np.array([1, 2, 3, 4, 5])
print("数组内容为:", a)
print("数组的标准差为:", np.std(a))
输出结果:
数组内容为: [1 2 3 4 5]
数组的标准差为: 1.4142135623730951
import numpy as np
a = np.array([[1,2,4],[4,5,8]])
print("数组内容为:", a)
print("数组的标准差为:", np.std(a, axis=1))
输出结果:
数组内容为: [[1 2 4]
[4 5 8]]
数组的标准差为: [1.24721913 1.69967317]
在这个例子中,我们使用了一个二维数组,并指定了要沿着轴1(行)计算标准差。这将给我们每行的标准差。
本文链接:http://task.lmcjl.com/news/17049.html