Модуль numpy Python надає функцію під назвою numpy.std() , який використовується для обчислення стандартного відхилення вздовж зазначеної осі. Ця функція повертає стандартне відхилення елементів масиву. Квадратний корінь із середнього квадратичного відхилення (обчисленого із середнього) відомий як стандартне відхилення. За замовчуванням стандартне відхилення обчислюється для зведеного масиву. За допомогою x.sum()/N , зазвичай обчислюється середнє квадратичне відхилення, і тут N=len(x).
Стандартне відхилення=sqrt(середнє(абс(x-x.середнє( ))**2
Синтаксис:
numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=)
Параметри
a: array_like
Цей параметр визначає вихідний масив, стандартне відхилення елементів якого обчислюється.
axis: None, int або tuple of ints (опціонально)
Це вісь, уздовж якої обчислюється стандартне відхилення. Стандартне відхилення зведеного масиву обчислюється за замовчуванням. Якщо це кортеж із цілими значеннями, виконує стандартне відхилення по кількох осях замість однієї осі чи всіх осей, як раніше.
dtype : тип_даних (необов'язковий)
Цей параметр визначає тип даних, який використовується для обчислення стандартного відхилення. Типом даних за замовчуванням є float64 для масивів цілочисельного типу, а для масиву типів float він буде таким самим, як і тип масиву.
перетворити об’єкт java на json
out : ndarray (необов'язково)
Цей параметр визначає альтернативний вихідний масив, у який буде розміщено результат. Цей альтернативний ndarray має ту саму форму, що й очікуваний результат. Але ми переводимо тип, коли це необхідно.
dof : int (необов'язково)
Цей параметр визначає дельта ступенів свободи. У розрахунках використовується дільник N-ddof, де N – кількість елементів. За замовчуванням значення цього параметра встановлено на 0.
keepdims : bool (необов'язково)
Це необов’язковий параметр, значення якого, якщо воно істинне, залишить зменшену вісь як розміри з розміром один у результуючому. Коли він передає значення за замовчуванням, він дозволить пропускати значення, відмінні від замовчування, через метод mean підкласів ndarray, але keepdims не пройде. Крім того, вивід або результат буде правильно транслюватися проти вхідного масиву.
Повернення
Ця функція поверне новий масив, який містить стандартне відхилення. Якщо ми не встановимо для параметра 'out' значення None, він повертає посилання на вихідний масив.
python __name__
приклад 1:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a) b
Вихід:
3.391164991562634
У наведеному вище коді
java boolean до рядка
- Ми імпортували numpy з псевдонімом np.
- Ми створили масив 'a' за допомогою функції array().
- Ми оголосили змінну 'b' і присвоїли їй повернуте значення std() функція.
- Ми передали масив 'a' у функцію
- Нарешті, ми спробували надрукувати значення 'b' .
У вихідних даних було показано масив, що містить стандартне відхилення.
приклад 2:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=0) b
Вихід:
array([0.5, 0.5, 0.5, 0.5])
приклад 3:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=1) b
Вихід:
array([3.35410197, 3.35410197])
Приклад 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
У наведеному вище коді
- Ми імпортували numpy з псевдонімом np.
- Ми створили масив «a» за допомогою функції np.zeros() із типом даних np.float32.
- Ми присвоїли значення 0,1 елементам 1вулряду і 1,0 до елементів другого ряду.
- Ми передали масив 'a' у функцію
- Нарешті, ми спробували надрукувати значення 'b' .
У вихідних даних було показано стандартне відхилення, яке може бути неточним.
Вихід:
0.45000008
Приклад 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
Вихід:
0.4499999992549418