Python numpy nanstd用法及代码示例

本文简要介绍 python 语言中 numpy.nanstd 的用法。

用法:

numpy.nanstd(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>, *, where=<no value>)

计算沿指定轴的标准偏差，同时忽略 NaN。

返回非 NaN 数组元素的标准差，即分布扩展的度量。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。

对于all-NaN切片或自由度为零的切片，返回NaN并引发RuntimeWarning。

参数：

a： array_like

计算非 NaN 值的标准偏差。

axis： {int，int 元组，无}，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。

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表示非 NaN 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，结果将针对原始 a 正确广播。

如果该值不是默认值，则它将按原样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。

where： 类似于 bool 的数组，可选

要包含在标准偏差中的元素。有关详细信息，请参阅 reduce 。

返回：

standard_deviation： ndarray，请参见上面的 dtype 参数。

如果 out 为 None，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。如果 ddof >= 切片中非 NaN 元素的数量或切片仅包含 NaN，则该切片的结果为 NaN。

注意：

标准偏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)。然而，如果ddof被指定，除数N - ddof改为使用。在标准统计实践中，ddof=1提供了无限总体方差的无偏估计。ddof=0提供正态分布变量的方差的最大似然估计。在这个函数中计算的标准偏差是估计方差的平方根，所以即使ddof=1，它不会是标准偏差本身的无偏估计。

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numpy.dtype关键字可以缓解这个问题。

例子：

>>> 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