numpy.std(arr，axis = None)：计算指定数据(数组元素)沿指定轴(如果有)的标准偏差。
标准差(SD)度量为给定数据集中数据分布的传播程度。
例如：
x = 1 1 1 1 1 Standard Deviation = 0 . y = 9, 2, 5, 4, 12, 7, 8, 11, 9, 3, 7, 4, 12, 5, 4, 10, 9, 6, 9, 4 Step 1 : Mean of distribution 4 = 7 Step 2 : Summation of (x - x.mean())**2 = 178 Step 3 : Finding Mean = 178 /20 = 8.9 This Result is Variance. Step 4 : Standard Deviation = sqrt(Variance) = sqrt(8.9) = 2.983..
参数：
arr :[数组]输入数组。
axis :我们要沿其计算标准差的[int或int元组]。否则，它将认为arr是平坦的(在所有轴上均有效)。轴= 0表示沿列的SD，轴= 1表示沿行的SD。
out :[ndarray，可选]我们要在其中放置结果的不同数组。数组必须具有与预期输出相同的尺寸。
dtype :[数据类型，可选]我们在计算SD时需要的类型。
Results :数组的标准偏差(如果没有轴则为标量值)或沿指定轴具有标准偏差值的数组。
代码1：
# Python Program illustrating
# numpy.std() method
import numpy as np
# 1D array
arr = [20, 2, 7, 1, 34]
print("arr : ", arr)
print("std of arr : ", np.std(arr))
print ("\nMore precision with float32")
print("std of arr : ", np.std(arr, dtype = np.float32))
print ("\nMore accuracy with float64")
print("std of arr : ", np.std(arr, dtype = np.float64))输出：
arr : [20, 2, 7, 1, 34] std of arr : 12.576167937809991 More precision with float32 std of arr : 12.576168 More accuracy with float64 std of arr : 12.576167937809991
代码2：
# Python Program illustrating
# numpy.std() method
import numpy as np
# 2D array
arr = [[2, 2, 2, 2, 2],
[15, 6, 27, 8, 2],
[23, 2, 54, 1, 2, ],
[11, 44, 34, 7, 2]]
# std of the flattened array
print("\nstd of arr, axis = None : ", np.std(arr))
# std along the axis = 0
print("\nstd of arr, axis = 0 : ", np.std(arr, axis = 0))
# std along the axis = 1
print("\nstd of arr, axis = 1 : ", np.std(arr, axis = 1))输出：
std of arr, axis = None : 15.3668474320532 std of arr, axis = 0 : [ 7.56224173 17.68473918 18.59267329 3.04138127 0. ] std of arr, axis = 1 : [ 0. 8.7772433 20.53874388 16.40243884]
相关用法
注：本文由纯净天空筛选整理自Mohit Gupta_OMG 大神的英文原创作品 numpy.std() in Python。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。