Модулът numpy на Python предоставя функция, наречена numpy.std() , използвани за изчисляване на стандартното отклонение по определената ос. Тази функция връща стандартното отклонение на елементите на масива. Корен квадратен от средното квадратно отклонение (изчислено от средната стойност) е известно като стандартно отклонение. По подразбиране стандартното отклонение се изчислява за плоския масив. С помощта на x.sum()/N , обикновено се изчислява средното квадратно отклонение и тук N=len(x).
Стандартно отклонение=sqrt(средно(abs(x-x.средно( ))**2
Синтаксис:
numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=)
Параметри
a: array_like
Този параметър дефинира изходния масив, на чиито елементи се изчислява стандартното отклонение.
ос: Няма, int или кортеж от ints (по избор)
Това е оста, по която се изчислява стандартното отклонение. Стандартното отклонение на плоския масив се изчислява по подразбиране. Ако е набор от цели, изпълнява стандартно отклонение по множество оси вместо по една ос или по всички оси, както преди.
dtype: тип_данни (по избор)
Този параметър дефинира типа данни, който се използва при изчисляване на стандартното отклонение. По подразбиране типът данни е float64 за масиви с целочислен тип, а за масив с типове с плаваща величина ще бъде същият като типа на масива.
java scan.nextstring
out : ndarray (по избор)
Този параметър дефинира алтернативния изходен масив, в който трябва да бъде поставен резултатът. Този алтернативен ndarray има същата форма като очаквания изход. Но ние прехвърляме типа, когато е необходимо.
dof : int (по избор)
Този параметър определя делта степените на свобода. Делителят N-ddof се използва при изчисленията, където N е броят на елементите. По подразбиране стойността на този параметър е зададена на 0.
keepdims : bool (по избор)
Не е задължително, чиято стойност, когато е вярна, ще остави намалената ос като размери с размер едно в резултата. Когато премине стойността по подразбиране, ще позволи на стойностите, които не са по подразбиране, да преминат през средния метод на подкласове на ndarray, но keepdims няма да преминат. Освен това изходът или резултатът ще се излъчват правилно срещу входния масив.
Се завръща
Тази функция ще върне нов масив, който съдържа стандартното отклонение. Ако не зададем параметъра 'out' на None, той връща препратката към изходния масив.
статичен в c
Пример 1:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a) b
Изход:
3.391164991562634
В горния код
- Импортирахме numpy с псевдоним np.
- Създадохме масив „a“ чрез функцията array().
- Декларирахме променливата 'b' и присвоихме върнатата стойност на std() функция.
- Предадохме масива 'a' във функцията
- Накрая се опитахме да отпечатаме стойността на 'б' .
В изхода е показан масив, съдържащ стандартно отклонение.
Пример 2:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=0) b
Изход:
array([0.5, 0.5, 0.5, 0.5])
Пример 3:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=1) b
Изход:
array([3.35410197, 3.35410197])
Пример 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
В горния код
java arraylist сортиран
- Импортирахме numpy с псевдоним np.
- Създадохме масив 'a' с помощта на функцията np.zeros() с тип данни np.float32.
- Присвоихме стойността 0.1 на елементите от 1улред и 1.0 към елементите на втория ред.
- Предадохме масива 'a' във функцията
- Накрая се опитахме да отпечатаме стойността на 'б' .
В резултата е показано стандартното отклонение, което може да е неточно.
Изход:
0.45000008
Пример 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
Изход:
0.4499999992549418