python计算方差代码_python 标准差计算的实现（std）

numpy.std() 求标准差的时候默认是除以 n 的，即是有偏的，np.std无偏样本标准差方式为加入参数 ddof = 1；

pandas.std() 默认是除以n-1 的，即是无偏的，如果想和numpy.std() 一样有偏，需要加上参数ddof=0 ，即pandas.std(ddof=0) ；DataFrame的describe()中就包含有std()；

demo： >>> a

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

>>> np.std(a, ddof = 1)

3.0276503540974917

>>> np.sqrt(((a - np.mean(a)) ** 2).sum() / (a.size - 1))

3.0276503540974917

>>> np.sqrt(( a.var() * a.size) / (a.size - 1))

3.0276503540974917

PS:numpy中标准差std的神坑

我们用Matlab作为对比。计算标准差，得到： >> std([1,2,3])

ans =

1

然而在numpy中： >>> np.std([1,2,3])

0.81649658092772603

什么鬼！这么简单的都能出错？原因在于，np.std有这么一个参数：

ddof : int, optional

Means Delta Degrees