numpy.nanstd#

numpy.nanstd(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>, *, where=<no value>, mean=<no value>, correction=<no value>)[source]#

计算沿指定轴的标准差,同时忽略 NaN。

返回非 NaN 数组元素的标准差,标准差是衡量分布分散程度的指标。默认情况下,标准差是针对扁平化数组计算的,否则是在指定的轴上计算。

对于全 NaN 切片或自由度为零的切片,将返回 NaN 并引发 RuntimeWarning

版本 1.8.0 中的新功能。

参数:
aarray_like

计算非 NaN 值的标准差。

axis{int, int 元组, None}, 可选

计算标准差的轴或轴。默认情况下,计算扁平化数组的标准差。

dtypedtype, 可选

用于计算标准差的类型。对于整数类型数组,默认为 float64;对于浮点类型数组,则与数组类型相同。

outndarray, 可选

放置结果的备用输出数组。它必须与预期输出具有相同的形状,但类型(计算值的类型)将根据需要进行转换。

ddof{int, float}, 可选

表示自由度增量。计算中使用的除数为 N - ddof,其中 N 表示非 NaN 元素的数量。默认情况下,ddof 为零。

keepdimsbool, 可选

如果将其设置为 True,则减少的轴将保留在结果中,作为大小为一的维度。使用此选项,结果将针对原始 a 正确广播。

如果此值不是默认值,则将其原样传递给子类的相关函数。如果这些函数没有 keepdims 关键字参数,则会引发 RuntimeError。

wherebool 类型的 array_like,可选

要包含在标准差中的元素。有关详细信息,请参阅 reduce

版本 1.22.0 中的新功能。

meanarray_like, 可选

提供均值以防止重新计算。均值的形状应与使用 keepdims=True 计算时相同。计算均值的轴应与对该 std 函数的调用中使用的轴相同。

版本 1.26.0 中的新功能。

correction{int, float}, 可选

ddof 参数的与数组 API 兼容的名称。两者只能提供其中一个。

版本 2.0.0 中的新功能。

返回值:
standard_deviationndarray,请参见上面的 dtype 参数。

如果 out 为 None,则返回一个包含标准差的新数组;否则返回对输出数组的引用。如果 ddof 大于或等于切片中非 NaN 元素的数量,或者切片仅包含 NaN,则该切片的结果为 NaN。

备注

标准差是均值平方偏差的平均值的平方根:std = sqrt(mean(abs(x - x.mean())**2))

均值平方偏差通常计算为 x.sum() / N,其中 N = len(x)。但是,如果指定了 ddof,则使用除数 N - ddof。在标准统计实践中,ddof=1 提供了无限总体方差的无偏估计量。ddof=0 提供了正态分布变量方差的最大似然估计量。此函数中计算的标准差是估计方差的平方根,因此即使使用 ddof=1,它本身也不是标准差的无偏估计量。

请注意,对于复数,std 会在平方之前取绝对值,因此结果始终是实数且非负。

对于浮点输入,std 使用输入具有的相同精度进行计算。根据输入数据,这可能导致结果不准确,特别是对于 float32(请参见下面的示例)。使用 dtype 关键字指定更高精度的累加器可以缓解此问题。

示例

>>> import numpy as np
>>> a = np.array([[1, np.nan], [3, 4]])
>>> np.nanstd(a)
1.247219128924647
>>> np.nanstd(a, axis=0)
array([1., 0.])
>>> np.nanstd(a, axis=1)
array([0.,  0.5]) # may vary