Numpy NP.std
Bevor wir in die Verwendung der STD () -Funktion in Numpy eintauchen, sollten wir die Standardabweichung zusammenfassen.
Was ist Standardabweichung?
Standardabweichung oder SD ist eine typische statistische Operation, mit der Sie die Dispersion eines bestimmten Wertesatzes berechnen können.
Wir können die Formel für die Standardabweichung wie folgt ausdrücken:
Lassen Sie uns damit diskutieren, wie Sie die Numpy STD () -Funktion verwenden können.
Numpy STD -Funktion
Die STD () -Funktion berechnet die Standardabweichung von Elementen in einem Array entlang einer bestimmten Achse.
Wenn die Achse nicht angegeben ist, flach die Funktion das Array ab und gibt die Standardabweichung aller Elemente zurück.
Die Funktionssyntax kann im Folgenden ausgedrückt werden:
Numpy.std (a, axis = keine, dType = keine, out = keine, ddof = 0, keepdims =Die Parameter sind nach ihren folgenden Funktionen definiert:
- a - Gibt das Eingangsarray an.
- Achse - definiert die Achse, in der die Standardabweichung der Elemente berechnet werden kann. Überprüfen Sie die Dokumentation der Numpy -Achse, um mehr zu finden.
- DTYPE - Definiert den Datentyp der Ausgabe.
- out - Gibt ein alternatives Array an, in dem das Ergebnis speichert werden kann. Das alternative Array muss die gleiche Form wie die erwartete Ausgabe haben.
- DDOF - etabliert die Delta -Freiheitsgrade des Freiheitswerts. DDOF bezieht sich auf einen Divisor, der zur Berechnung der Anzahl der Elemente verwendet wird.
Beispiel 1
Der folgende Code zeigt ein Beispiel für die Numpy STD -Funktion ohne Achsenwert:
# Numpy importierenNumph als NP importieren
# Array erstellen
arr = np.Array ([1, 2], [3, 4]])
# STD -Wert zurückgeben
print (f "Standardabweichung: np.std (arr) ")
Der vorherige Code gibt die Standardabweichung aller Elemente im Array zurück.
Die resultierende Ausgabe ist wie folgt:
Standardabweichung: 1.118033988749895Beispiel 2
Um die Standardabweichung entlang der Achse 0 und der Achse 1 zu berechnen, wenden Sie den folgenden Code an:
print (f "Standardabweichung (axis = 0): np.STD (arr, axis = 0) ")print (f "Standardabweichung (axis = 1): np.std (arr, axis = 1) ")
Das Folgende ist die resultierende Ausgabe:
Standardabweichung (Achse = 0): [1. 1.]Standardabweichung (Achse = 1): [0.5 0.5]
Beispiel 3
Sie können einen Datentyp wie Float angeben, um die Genauigkeit und Präzision zu erhöhen. Ein Beispielcode lautet wie folgt:
print (f "Standardabweichung: np.STD (arr, dtype = np.float32) ")print (f "Standardabweichung: np.STD (arr, dtype = np.float64) ")
Sie werden diesen NP bemerken.Float32 gibt einen Wert mit einer höheren Präzision bei NP zurück.Float64 gibt einen Wert mit einer höheren Genauigkeit zurück.
Das Folgende ist die resultierende Ausgabe:
Standardabweichung: 1.1180340051651Standardabweichung: 1.118033988749895
Beispiel 4
In ähnlicher Weise können Sie die STD () -Funktion mit einem n-dimensionalen Array verwenden, wie unten gezeigt:
arr = [[[0, 1, 2],[3, 4, 5],
[6, 7, 8]],
[[9, 10, 11],
[12, 13, 14],
[15, 16, 17]],
[[18, 19, 20],
[21, 22, 23],
[24, 25, 26]]]]
print (f "Standardabweichung: np.std (arr) ")
Das angegebene Beispiel berechnet die Standardabweichung eines 3D -Arrays und gibt das Ergebnis wie folgt zurück:
Standardabweichung: 7.788880963698615Hinweis: Da wir die Achse nicht angeben, flacht die Funktion das Array und gibt den resultierenden Standardabweichungswert zurück.
Abschluss
In diesem Artikel haben wir untersucht. Durchsuchen Sie die Linux -Hint -Website, um mehr verwandte Artikel zu erhalten.