Det numpy-modul i Python giver en funktion kaldet numpy.std() , bruges til at beregne standardafvigelsen langs den angivne akse. Denne funktion returnerer standardafvigelsen for array-elementerne. Kvadratroden af den gennemsnitlige kvadratafvigelse (udregnet ud fra middelværdien) er kendt som standardafvigelsen. Som standard beregnes standardafvigelsen for det fladtrykte array. Ved hjælp af x.sum()/N , beregnes normalt den gennemsnitlige kvadratafvigelse, og her er N=len(x).
Standardafvigelse=sqrt(mean(abs(x-x.mean( ))**2
Syntaks:
numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=)
Parametre
a: array_like
Denne parameter definerer det kildearray, hvis elementers standardafvigelse beregnes.
akse: Ingen, int eller tupel af ints (valgfrit)
Det er aksen, langs hvilken standardafvigelsen beregnes. Standardafvigelsen for det fladtrykte array beregnes som standard. Hvis det er en tuple af ints, udfører standardafvigelsen over flere akser i stedet for en enkelt akse eller alle akser som før.
dtype : data_type (valgfrit)
Denne parameter definerer datatypen, som bruges til at beregne standardafvigelsen. Som standard er datatypen float64 for arrays af heltalstypen, og for floattyper array vil den være den samme som arraytypen.
hvis andet hvis java
ud: ndarray (valgfrit)
Denne parameter definerer det alternative output-array, hvori resultatet skal placeres. Denne alternative ndarray har samme form som det forventede output. Men vi støber typen, når det er nødvendigt.
dof : int (valgfrit)
gyldige identifikatorer i java
Denne parameter definerer Delta Degrees of Freedom. N-ddof divisor bruges i beregninger, hvor N er antallet af elementer. Som standard er værdien af denne parameter sat til 0.
keepdims: bool (valgfrit)
Det er valgfrit, hvis værdi, når den er sand, vil efterlade den reducerede akse som dimensioner med størrelse 1 i resultanten. Når den passerer standardværdien, vil den tillade ikke-standardværdierne at passere via middelmetoden for underklasser af ndarray, men keepdims vil ikke passere. Desuden vil outputtet eller resultatet udsendes mod input-arrayet korrekt.
Vender tilbage
Denne funktion returnerer et nyt array, der indeholder standardafvigelsen. Hvis vi ikke indstiller 'out'-parameteren til Ingen, returnerer den output-arrayets reference.
Eksempel 1:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a) b
Produktion:
3.391164991562634
I ovenstående kode
- Vi har importeret numpy med alias navn np.
- Vi har oprettet et array 'a' via array() funktion.
- Vi har erklæret variablen 'b' og tildelt den returnerede værdi af std() fungere.
- Vi har bestået arrayet 'a' i funktionen
- Til sidst forsøgte vi at udskrive værdien af 'b' .
I outputtet er der vist et array, der indeholder standardafvigelse.
Eksempel 2:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=0) b
Produktion:
array([0.5, 0.5, 0.5, 0.5])
Eksempel 3:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=1) b
Produktion:
array([3.35410197, 3.35410197])
Eksempel 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
I ovenstående kode
- Vi har importeret numpy med alias navn np.
- Vi har oprettet et array 'a' ved hjælp af np.zeros()-funktionen med datatypen np.float32.
- Vi har tildelt værdien 0,1 til elementerne i 1strække og 1,0 til elementerne i den anden række.
- Vi har bestået arrayet 'a' i funktionen
- Til sidst forsøgte vi at udskrive værdien af 'b' .
I outputtet er standardafvigelsen vist, hvilket kan være unøjagtigt.
Produktion:
Rom
0.45000008
Eksempel 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
Produktion:
0.4499999992549418