python的std函数_Python numpy.nanstd函数方法的使用

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