Le module numpy de Python fournit une fonction appelée numpy.std() , utilisé pour calculer l'écart type le long de l'axe spécifié. Cette fonction renvoie l'écart type des éléments du tableau. La racine carrée de l’écart carré moyen (calculé à partir de la moyenne) est appelée écart type. Par défaut, l'écart type est calculé pour le tableau aplati. Avec l'aide du x.sum()/N , l'écart carré moyen est normalement calculé, et ici, N=len(x).
Écart type=sqrt(mean(abs(x-x.mean( ))**2
Syntaxe:
numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=)
Paramètres
a : array_like
Ce paramètre définit le tableau source dont l'écart type des éléments est calculé.
axe : Aucun, entier ou tuple d'entiers (facultatif)
C'est l'axe le long duquel l'écart type est calculé. L'écart type du tableau aplati est calculé par défaut. S'il s'agit d'un tuple d'entiers, effectue un écart type sur plusieurs axes au lieu d'un seul axe ou de tous les axes comme auparavant.
dtype : data_type (facultatif)
Ce paramètre définit le type de données utilisé dans le calcul de l'écart type. Par défaut, le type de données est float64 pour les tableaux de type entier et, pour les tableaux de type float, il sera le même que le type de tableau.
code de fibonacci java
sortie : ndarray (facultatif)
Ce paramètre définit le tableau de sortie alternatif dans lequel le résultat doit être placé. Ce ndarray alternatif a la même forme que la sortie attendue. Mais nous convertissons le type lorsque cela est nécessaire.
dof : int (facultatif)
différence entre le dîner et le dîner
Ce paramètre définit les degrés de liberté Delta. Le diviseur N-ddof est utilisé dans les calculs, où N est le nombre d'éléments. Par défaut, la valeur de ce paramètre est définie sur 0.
keepdims : bool (facultatif)
C'est facultatif, dont la valeur, lorsqu'elle est vraie, laissera l'axe réduit comme dimensions de taille un dans la résultante. Lorsqu'il transmet la valeur par défaut, il permettra aux valeurs autres que par défaut de passer via la méthode moyenne des sous-classes de ndarray, mais les keepdims ne passeront pas. De plus, la sortie ou le résultat sera diffusé correctement sur le tableau d'entrée.
Retour
Cette fonction renverra un nouveau tableau contenant l'écart type. Si nous ne définissons pas le paramètre 'out' sur None, il renvoie la référence du tableau de sortie.
Exemple 1:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a) b
Sortir:
3.391164991562634
Dans le code ci-dessus
- Nous avons importé numpy avec le nom d'alias np.
- Nous avons créé un tableau 'a' via la fonction array().
- Nous avons déclaré la variable 'b' et attribué la valeur renvoyée de std() fonction.
- Nous avons passé le tableau 'a' dans la fonction
- Enfin, nous avons essayé d'imprimer la valeur de 'b' .
Dans la sortie, un tableau contenant l’écart type a été affiché.
Exemple 2 :
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=0) b
Sortir:
array([0.5, 0.5, 0.5, 0.5])
Exemple 3 :
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=1) b
Sortir:
array([3.35410197, 3.35410197])
Exemple 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
Dans le code ci-dessus
- Nous avons importé numpy avec le nom d'alias np.
- Nous avons créé un tableau 'a' en utilisant la fonction np.zeros() avec le type de données np.float32.
- Nous avons attribué la valeur 0,1 aux éléments du 1Strangée et 1,0 aux éléments de la deuxième rangée.
- Nous avons passé le tableau 'a' dans la fonction
- Enfin, nous avons essayé d'imprimer la valeur de 'b' .
Dans le résultat, l’écart type a été affiché, ce qui peut être inexact.
Sortir:
ouvrir le menu des paramètres
0.45000008
Exemple 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
Sortir:
0.4499999992549418