numpy.nanstd
numpy.nanstd(a, axis=None, dtype=None, out=None, ddof=0, keepdims=
忽略NaN时,计算沿指定轴的标准偏差。
返回非NaN数组元素的标准偏差,即分布分布的度量。默认情况下,将为展平数组计算标准偏差,否则将在指定轴上计算。
对于全NaN切片或自由度为零的切片,将返回NaN并引发RuntimeWarning。
1.8.0版中的新功能。参数 :a :array_like
计算非NaN值的标准偏差。
axis :{int, int类型的tuple, None}, 可选
计算标准偏差所沿的一个或多个轴。
默认值是计算展平数组的标准偏差。
dtype :dtype, 可选
用于计算标准偏差的类型。对于整数类型的数组,
默认值为float64,
对于浮点类型的数组,其与数组类型相同。
out :ndarray, 可选
放置结果的备用输出数组。
它必须具有与预期输出相同的形状,
但如有必要,将强制转换(计算值的类型)。
ddof :int, 可选
表示Delta自由度。计算中使用的除数为N-ddof,
其中N表示非NaN元素的数量。默认情况下,ddof为零。
keepdims :bool, 可选
如果将其设置为True,则缩小的轴将保留为尺寸1的尺寸。
使用此选项,结果将相对于原始a正确传递。
如果该值不是默认值,它将按原样传递给子类的相关函数。
如果这些函数没有keepdims kwarg,则会引发RuntimeError。
返回值 :standard_deviation :ndarray, see dtype parameter above.
如果out为None,则返回包含标准偏差的新数组,
否则返回对输出数组的引用。
如果ddof>> =切片中非NaN元素的数量,
或者该切片仅包含NaN,则该切片的结果为NaN。
Notes
标准差是与均值平方差的平均值的平方根:std = sqrt(mean(abs(x - x.mean())** 2))。
平均平方偏差通常计算为x.sum()/N,其中N = len(x)。但是,如果指定了ddof,则使用除数N-ddof。在标准统计实践中,ddof = 1提供了无穷总体方差的无偏估计量。ddof = 0为正态分布变量提供方差的最大似然估计。此函数中计算的标准偏差是估计方差的平方根,因此即使使用ddof = 1,它本身也不是标准偏差的无偏估计。 。
请注意,对于复数,std在平方之前取绝对值,因此结果始终是实数且非负数。
对于浮点输入,将使用与输入相同的精度来计算std。根据输入数据,这可能导致结果不准确,尤其是对于float32(请参见下面的示例)。使用dtype关键字指定精度更高的累加器可以缓解此问题。
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