Python dask.array.std用法及代码示例

用法: dask.array.std(a, axis=None, dtype=None, keepdims=False, ddof=0, split_every=None, out=None)

计算沿指定轴的标准偏差。

此文档字符串是从 numpy.std 复制的。

可能存在与 Dask 版本的一些不一致之处。

返回数组元素的标准偏差，即分布分布的度量。默认情况下为展平数组计算标准偏差，否则在指定轴上计算。

参数：

a：array_like

计算这些值的标准偏差。

axis：无或整数或整数元组，可选

计算标准偏差的一个或多个轴。默认是计算展平数组的标准差。

如果这是一个整数元组，则在多个轴上执行标准偏差，而不是像以前那样在单个轴或所有轴上执行。

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，它与数组类型相同。

out：ndarray，可选

用于放置结果的替代输出数组。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：整数，可选

表示 Delta 自由度。计算中使用的除数是 N - ddof ，其中 N 表示元素的数量。默认情况下 ddof 为零。

keepdims：布尔型，可选

如果将其设置为 True，则缩小的轴将作为尺寸为 1 的尺寸留在结果中。使用此选项，结果将针对输入数组正确广播。

如果传递了默认值，那么 keepdims 将不会传递给 ndarray 的子类的 std 方法，但是任何非默认值都会传递。如果 sub-class' 方法未实现 keepdims，则将引发任何异常。

where：数组 of bool，可选(在 Dask 中不支持)

要包含在标准偏差中的元素。有关详细信息，请参阅~numpy.ufunc.reduce。

standard_deviation：ndarray，请参见上面的 dtype 参数。: 如果out 为无，则返回一个包含标准差的新数组，否则返回对输出数组的引用。

注意：

标准偏差是与平均值的平方偏差的平均值的平方根，即 std = sqrt(mean(x)) ，其中 x = abs(a - a.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 提供了无限总体方差的无偏估计量。 ddof=0 提供正态分布变量的方差的最大似然估计。在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 取平方前的绝对值，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 higher-accuracy 累加器指定dtype关键字可以缓解这个问题。

例子：

>>> a = np.array([[1, 2], [3, 4]])  
>>> np.std(a)  
1.1180339887498949 # may vary
>>> np.std(a, axis=0)  
array([1.,  1.])
>>> np.std(a, axis=1)  
array([0.5,  0.5])

在单精度下，std() 可能不准确：

>>> a = np.zeros((2, 512*512), dtype=np.float32)  
>>> a[0, :] = 1.0  
>>> a[1, :] = 0.1  
>>> np.std(a)  
0.45000005

计算 float64 中的标准偏差更准确：

>>> np.std(a, dtype=np.float64)  
0.44999999925494177 # may vary

指定 where 参数：

>>> a = np.array([[14, 8, 11, 10], [7, 9, 10, 11], [10, 15, 5, 10]])  
>>> np.std(a)  
2.614064523559687 # may vary
>>> np.std(a, where=[[True], [True], [False]])  
2.0

相关用法

注：本文由纯净天空筛选整理自dask.org大神的英文原创作品 dask.array.std。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：