logo

Numpy-Standardabweichung

Das Numpy-Modul von Python stellt eine Funktion namens bereit numpy.std() , wird zur Berechnung der Standardabweichung entlang der angegebenen Achse verwendet. Diese Funktion gibt die Standardabweichung der Array-Elemente zurück. Die Quadratwurzel der durchschnittlichen quadratischen Abweichung (berechnet aus dem Mittelwert) wird als Standardabweichung bezeichnet. Standardmäßig wird die Standardabweichung für das abgeflachte Array berechnet. Mit Hilfe der x.sum()/N , wird normalerweise die durchschnittliche quadratische Abweichung berechnet, und hier gilt N=len(x).

Standardabweichung=sqrt(mean(abs(x-x.mean( ))**2

Syntax:

 numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=) 

Parameter

a: array_like

Dieser Parameter definiert das Quellarray, dessen Elementstandardabweichung berechnet wird.

Achse: Keine, int oder Tupel von ints (optional)

Es ist die Achse, entlang der die Standardabweichung berechnet wird. Die Standardabweichung des abgeflachten Arrays wird standardmäßig berechnet. Wenn es sich um ein Tupel von Ints handelt, wird die Standardabweichung über mehrere Achsen anstelle einer einzelnen Achse oder aller Achsen wie zuvor durchgeführt.

dtype: data_type (optional)

Dieser Parameter definiert den Datentyp, der zur Berechnung der Standardabweichung verwendet wird. Standardmäßig ist der Datentyp float64 für Arrays vom Typ Integer und für Arrays vom Typ Float derselbe wie der Array-Typ.

„Was ist der Unterschied zwischen einem Löwen und einem Tiger“

out: ndarray (optional)

Java Random Mathe Random

Dieser Parameter definiert das alternative Ausgabearray, in dem das Ergebnis platziert werden soll. Dieses alternative Ndarray hat die gleiche Form wie die erwartete Ausgabe. Aber wir gießen den Typ bei Bedarf.

dof: int (optional)

Dieser Parameter definiert die Delta-Freiheitsgrade. Der N-ddof-Divisor wird in Berechnungen verwendet, wobei N die Anzahl der Elemente ist. Standardmäßig ist der Wert dieses Parameters auf 0 gesetzt.

keepdims: bool (optional)

Es ist optional, dessen Wert, wenn er wahr ist, die reduzierte Achse als Dimensionen mit der Größe eins in der Resultierenden belässt. Wenn der Standardwert übergeben wird, können die nicht standardmäßigen Werte über die Mean-Methode der Unterklassen von ndarray übergeben werden, die keepdims werden jedoch nicht übergeben. Außerdem wird die Ausgabe oder das Ergebnis korrekt an das Eingabearray übertragen.

Kehrt zurück

Diese Funktion gibt ein neues Array zurück, das die Standardabweichung enthält. Wenn wir den Parameter „out“ nicht auf „None“ setzen, wird die Referenz des Ausgabearrays zurückgegeben.

Beispiel 1:

 a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a) b 

Ausgabe:

 3.391164991562634 

Im obigen Code

  • Wir haben numpy mit dem Aliasnamen np importiert.
  • Wir haben über die Funktion array() ein Array „a“ ​​erstellt.
  • Wir haben die Variable „b“ deklariert und den zurückgegebenen Wert von zugewiesen std() Funktion.
  • Wir haben in der Funktion das Array „a“ ​​übergeben
  • Zuletzt haben wir versucht, den Wert von auszudrucken 'B' .

In der Ausgabe wurde ein Array mit der Standardabweichung angezeigt.

Beispiel 2:

 a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=0) b 

Ausgabe:

 array([0.5, 0.5, 0.5, 0.5]) 

Beispiel 3:

 a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=1) b 

Ausgabe:

Mia Khalifa Alter
 array([3.35410197, 3.35410197]) 

Beispiel 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 

Im obigen Code

  • Wir haben numpy mit dem Aliasnamen np importiert.
  • Wir haben ein Array „a“ ​​mit der Funktion np.zeros() mit dem Datentyp np.float32 erstellt.
  • Wir haben den Elementen der 1 den Wert 0,1 zugewiesenstZeile und 1.0 auf die Elemente der zweiten Zeile.
  • Wir haben in der Funktion das Array „a“ ​​übergeben
  • Zuletzt haben wir versucht, den Wert von auszudrucken 'B' .

In der Ausgabe wurde die Standardabweichung angezeigt, die ungenau sein kann.

Ausgabe:

 0.45000008 

Beispiel 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 

Ausgabe:

 0.4499999992549418