logo

numpy standardavvik

Den numpy-modulen til Python gir en funksjon kalt numpy.std() , brukes til å beregne standardavviket langs den angitte aksen. Denne funksjonen returnerer standardavviket til matriseelementene. Kvadratroten av gjennomsnittlig kvadratavvik (beregnet fra gjennomsnittet), er kjent som standardavviket. Som standard beregnes standardavviket for den flate matrisen. Ved hjelp av x.sum()/N , beregnes normalt gjennomsnittlig kvadratavvik, og her er N=len(x).

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

Syntaks:

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

Parametere

a: array_like

Denne parameteren definerer kildematrisen hvis elementers standardavvik beregnes.

akse: Ingen, int eller tuppel av ints (valgfritt)

Det er aksen som standardavviket beregnes langs. Standardavviket til den flate matrisen beregnes som standard. Hvis det er en tuppel av ints, utfører standardavvik over flere akser i stedet for en enkelt akse eller alle akser som før.

dtype : data_type (valgfritt)

Denne parameteren definerer datatypen som brukes til å beregne standardavviket. Som standard er datatypen float64 for arrayer av heltallstype, og for array av floattyper vil den være den samme som arraytypen.

xampp alternativ

ut: ndarray (valgfritt)

Denne parameteren definerer den alternative utmatrisen som resultatet skal plasseres i. Denne alternative ndarrayen har samme form som forventet utgang. Men vi støper typen når det er nødvendig.

dof : int (valgfritt)

fjern første tegn i Excel

Denne parameteren definerer Delta Degrees of Freedom. N-ddof divisor brukes i beregninger, der N er antall elementer. Som standard er verdien for denne parameteren satt til 0.

keepdims : bool (valgfritt)

Det er valgfritt, hvis verdi, når den er sann, vil forlate den reduserte aksen som dimensjoner med størrelse én i resultanten. Når den passerer standardverdien, vil den tillate at ikke-standardverdiene passerer via middelmetoden til underklasser av ndarray, men keepdims vil ikke passere. Dessuten vil utgangen eller resultatet kringkastes mot inngangsmatrisen på riktig måte.

Returnerer

Denne funksjonen vil returnere en ny matrise som inneholder standardavviket. Hvis vi ikke setter 'ut'-parameteren til Ingen, returnerer den utmatrisens referanse.

Eksempel 1:

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

Produksjon:

 3.391164991562634 

I koden ovenfor

  • Vi har importert numpy med alias navn np.
  • Vi har laget en array 'a' via array() funksjon.
  • Vi har erklært variabelen 'b' og tildelt den returnerte verdien av std() funksjon.
  • Vi har passert matrisen 'a' i funksjonen
  • Til slutt prøvde vi å skrive ut verdien av 'b' .

I utgangen er det vist en matrise som inneholder standardavvik.

Eksempel 2:

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

Produksjon:

 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 

Produksjon:

 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 koden ovenfor

  • Vi har importert numpy med alias navn np.
  • Vi har laget en matrise 'a' ved å bruke np.zeros()-funksjonen med datatypen np.float32.
  • Vi har tildelt verdien 0,1 til elementene i 1strad og 1,0 til elementene i den andre raden.
  • Vi har passert matrisen 'a' i funksjonen
  • Til slutt prøvde vi å skrive ut verdien av 'b' .

I utgangen er standardavviket vist, som kan være unøyaktig.

Produksjon:

arraylist i java
 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 

Produksjon:

 0.4499999992549418