numpy.nanstd#

numpy.nanstd(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>, *, where=<no value>, mean=<no value>, correction=<no value>)[源代码]#

计算指定轴上的标准差,同时忽略 NaN 值.

返回标准差,它是非 NaN 数组元素的分布离散程度的度量.默认情况下,标准差是为扁平化数组计算的,否则是在指定的轴上计算的.

对于全 NaN 切片或自由度为零的切片,将返回 NaN 并引发 RuntimeWarning .

参数:
aarray_like

计算非 NaN 值的标准差.

axis{int, tuple of int, None}, optional

计算标准差的轴或多个轴. 默认值是计算扁平化数组的标准差.

dtypedtype, optional

用于计算标准差的类型. 对于整数类型的数组,默认值为 float64,对于浮点类型的数组,它与数组类型相同.

outndarray, 可选

用于放置结果的可选输出数组. 它必须具有与预期输出相同的形状,但如果需要,将强制转换类型(计算值的类型).

ddof{int, float}, 可选

表示自由度的增量.计算中使用的除数是 N - ddof ,其中 N 表示非 NaN 元素的数量. 默认情况下 ddof 为零.

keepdimsbool, 可选

如果设置为 True,则缩减的轴将作为大小为 1 的维度保留在结果中.使用此选项,结果将针对原始 a 正确广播.

如果此值不是默认值,则将其原封不动地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.

wherebool 的类数组对象,可选

包含在标准差中的元素. 有关详细信息,请参见 reduce .

在 1.22.0 版本加入.

meanarray_like, optional

提供平均值以防止重新计算. 平均值应具有与使用 keepdims=True 计算时相同的形状. 平均值的计算轴应与调用此 std 函数时使用的轴相同.

在 2.0.0 版本加入.

correction{int, float}, 可选

与数组 API 兼容的 ddof 参数名称. 它们中只能提供一个.

在 2.0.0 版本加入.

返回:
standard_deviationndarray,请参见上面的 dtype 参数.

如果 out 为 None,则返回包含标准差的新数组,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,或者切片仅包含 NaN,则该切片的结果为 NaN.

参见

var , mean , std
nanvar , nanmean
输出类型确定

注释

标准差是与平均值的平方偏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 ,则改为使用除数 N - ddof . 在标准统计实践中, ddof=1 提供了无限总体的方差的无偏估计量. ddof=0 提供了正态分布变量的方差的最大似然估计. 此函数中计算的标准差是估计方差的平方根,因此即使使用 ddof=1 ,它也不会是标准差本身的无偏估计.

请注意,对于复数, std 在求平方之前取绝对值,因此结果始终为实数且非负数.

对于浮点输入,std 使用与输入相同的精度进行计算. 根据输入数据,这可能会导致结果不准确,尤其是对于 float32(请参见下面的示例). 使用 dtype 关键字指定更高精度的累加器可以缓解此问题.

示例

>>> import numpy as np
>>> 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
当前页面