Để tìm độ lệch chuẩn của một mảng trong python, hãy sử dụng hàm numpy.std []. Độ lệch chuẩn là căn bậc hai của trung bình của độ lệch bình phương so với giá trị trung bình. Theo mặc định, nó được tính toán cho mảng phẳng nhưng bạn có thể thay đổi điều này bằng cách chỉ định tham số trục.
Để tính toán độ lệch chuẩn trước, bạn cần tính toán trung bình của mảng numpy bằng cách sử dụng & nbsp; ________ 10, và ở đây,
# Syntax of numpy.std[]
numpy.std[arr, axis=None, dtype=None, out=None]
1 dẫn đến giá trị trung bình. Bây giờ để tính toán sử dụng STD, & nbsp; ________ 12, trong đó & nbsp; ________ 131. Ví dụ nhanh về chức năng độ lệch chuẩn Python Numpy
Nếu bạn đang vội, dưới đây là một số ví dụ nhanh về độ lệch chuẩn của mảng numpy với các ví dụ.
# Below are the quick examples
# Example 1: Use std[] on 1-D array
arr1 = np.std[arr]
# Example 2: Use std[] on 2-D array
arr1 = np.std[arr]
# Example 3: Get the standard deviation of with axis = 0
arr1 = np.std[arr, axis=0]
# Example 4: Get the standard deviation of with axis = 1
arr1 = np.std[arr, axis=1]
# Example 5: Get the standard deviation value with float32 data
arr1 = np.std[arr, dtype = np.float32]
2. Cú pháp của std []
Sau đây là cú pháp của std [].
# Syntax of numpy.std[]
numpy.std[arr, axis=None, dtype=None, out=None]
2.1 Tham số của STD []
Sau đây là các tham số của std [].
4 - Mảng đầu vào để tính toán.# Syntax of numpy.std[] numpy.std[arr, axis=None, dtype=None, out=None]
5 - Không có, int hoặc tuple của int. Trục hoặc trục. Mặc định là tính toán độ lệch chuẩn của mảng phẳng. Độ lệch chuẩn# Syntax of numpy.std[] numpy.std[arr, axis=None, dtype=None, out=None]
6Means được tính toán dọc theo cột,# Syntax of numpy.std[] numpy.std[arr, axis=None, dtype=None, out=None]
7 có nghĩa là độ lệch chuẩn dọc theo hàng. Nó coi mảng nhiều chiều như một danh sách dẹt nếu không được đưa ra trục.# Syntax of numpy.std[] numpy.std[arr, axis=None, dtype=None, out=None]
8 - Nhập bạn mong muốn trong khi tính toán độ lệch chuẩn.# Syntax of numpy.std[] numpy.std[arr, axis=None, dtype=None, out=None]
9 - Mảng đầu ra thay thế để đặt kết quả. & NBSP;# Syntax of numpy.std[] numpy.std[arr, axis=None, dtype=None, out=None]
2.2 Giá trị trả về của std []
Nó trả về độ lệch chuẩn của các phần tử mảng với kiểu dữ liệu
import numpy as np
# Create NumPy array
arr = np.array[[5,6,4]]
# Get the Standard Deviation of 1-dimensional array
arr1 = np.std[arr]
print[arr1]
# Output :
# 0.816496580927726
0. Bạn có thể thay đổi điều này bằng cách chỉ định
# Syntax of numpy.std[]
numpy.std[arr, axis=None, dtype=None, out=None]
8 param.3. Sử dụng std numpy []
Numpy
import numpy as np
# Create NumPy array
arr = np.array[[5,6,4]]
# Get the Standard Deviation of 1-dimensional array
arr1 = np.std[arr]
print[arr1]
# Output :
# 0.816496580927726
2 là một hàm thống kê được sử dụng để tính độ lệch chuẩn của các mảng đơn và đa chiều cùng với trục được chỉ định và kiểu dữ liệu được chỉ định.
Cho phép tạo mảng numpy bằng hàm np.array [] và tính độ lệch chuẩn bằng hàm
import numpy as np
# Create NumPy array
arr = np.array[[5,6,4]]
# Get the Standard Deviation of 1-dimensional array
arr1 = np.std[arr]
print[arr1]
# Output :
# 0.816496580927726
3. Ví dụ,
import numpy as np
# Create NumPy array
arr = np.array[[5,6,4]]
# Get the Standard Deviation of 1-dimensional array
arr1 = np.std[arr]
print[arr1]
# Output :
# 0.816496580927726
Sau đây là tính toán toán học của độ lệch chuẩn của mảng 1-D.
# Mathematical calculation of standard deviation
Standard Deviation is std = sqrt[mean[x]], where x = abs[arr - arr.mean[]]**2
Mean = 5 + 6 + 4 / 3
= 5
Standard Deviation = sqrt[ [[5-5]**2 + [6-5]**2 + [4-5]**2]/3 ]
= sqrt[ [0+ 1+ 1]/3 ]
= sqrt[2/3]
= sqrt[0.6666]
= 0.816496580927726
4. Nhận độ lệch chuẩn của mảng 2-D
Để tìm độ lệch chuẩn của mảng 2-D, hãy sử dụng hàm này mà không cần truyền bất kỳ trục nào, nó sẽ tính tất cả các giá trị trong một mảng và trả về giá trị STD.
# Create a 2-D numpy array
arr = np.array[[[2, 3],
[2, 5]]]
# Get the standard deviation of with no axis
arr1 = np.std[arr]
print[arr1]
# Output
# 1.224744871391589
Sau đây là tính toán toán học của độ lệch chuẩn của mảng 2-D.
# Mathematical calculation of standard deviation
Mean = 2 + 3 + 2 + 5 / 4
= 3
Standard Deviation = sqrt[ [[2-3]**2 + [3-3]**2 + [2-3]**2 + [5-3]**2]/4 ]
= sqrt[ [1+ 0+ 1+ 4]/4 ]
= sqrt[6/4]
= sqrt[1.5]
= 1.224744871391589
5. Nhận độ lệch chuẩn bằng cách sử dụng tham số trục
Chúng ta có thể tính toán độ lệch chuẩn của mảng numpy cùng với trục được chỉ định. Đối với điều đó, chúng ta cần vượt qua tham số
import numpy as np
# Create NumPy array
arr = np.array[[5,6,4]]
# Get the Standard Deviation of 1-dimensional array
arr1 = np.std[arr]
print[arr1]
# Output :
# 0.816496580927726
4 để tính theo cột khôn ngoan. Ví dụ,
# Get the standard deviation of array in column-wise
arr1 = np.std[arr, axis=0]
print[arr1]
# Output
# [0. 1.]
Dưới đây là cách nó tính toán nội bộ.
# Mathematical calculation of standard deviation
1st column values are 2, 2
mean = [2+2]/2 = 0
Standard Deviation = sqrt[ [ [2-2]**2 + [2-2]**2 ]/2 ]
= sqrt[ 0 + 0/2 ]
= sqrt[0/2]
= 0.
2nd column values are 3, 5
mean = [3+5]/2 = 4
Standard Deviation = sqrt[ [ [3-4]**2 + [5-4]**2 ]/2 ]
= sqrt[ 1 + 1/2 ]
= sqrt[2/2]
= 1.
Sử dụng
import numpy as np
# Create NumPy array
arr = np.array[[5,6,4]]
# Get the Standard Deviation of 1-dimensional array
arr1 = np.std[arr]
print[arr1]
# Output :
# 0.816496580927726
5 để tính toán độ lệch chuẩn của mảng. Ví dụ,
# Standard deviation of array row-wise
arr1 = np.std[arr, axis=1]
print[arr1]
# Output
# [0.5 1.5]
Tính toán toán học giống như trên, tôi sẽ san bằng điều này để bạn khám phá.
6. Sử dụng tham số DTYPE
Như bạn thấy các ví dụ ở trên theo mặc định, nó trả về float64 nhưng bạn có thể thay đổi điều này bằng cách chuyển tham số
# Syntax of numpy.std[]
numpy.std[arr, axis=None, dtype=None, out=None]
8 cho chức năng này, nó có độ phân giải thấp hơn nếu bạn gán
# Syntax of numpy.std[]
numpy.std[arr, axis=None, dtype=None, out=None]
8 với
import numpy as np
# Create NumPy array
arr = np.array[[5,6,4]]
# Get the Standard Deviation of 1-dimensional array
arr1 = np.std[arr]
print[arr1]
# Output :
# 0.816496580927726
8 thay vì
import numpy as np
# Create NumPy array
arr = np.array[[5,6,4]]
# Get the Standard Deviation of 1-dimensional array
arr1 = np.std[arr]
print[arr1]
# Output :
# 0.816496580927726
0.
# Get the standard deviation value with float32 data
arr = np.array[[5,6,4]]
arr1 = np.std[arr, dtype = np.float32]
print[arr1]
# Output
# 0.8164966
7. Kết luận
Trong bài viết này, tôi đã giải thích độ lệch chuẩn của mảng numpy một chiều và đa chiều bằng cách sử dụng hàm
import numpy as np
# Create NumPy array
arr = np.array[[5,6,4]]
# Get the Standard Deviation of 1-dimensional array
arr1 = np.std[arr]
print[arr1]
# Output :
# 0.816496580927726
2 với các ví dụ chi tiết.Học hỏi hạnh phúc !!
Những bài viết liên quan
- Làm thế nào để có được các giá trị vuông của một mảng?
- Làm thế nào để tạo ra một mảng Numpy One?
- hàm numpy.delete []
- hàm numpy.divide []
- Làm thế nào để có được mảng numpy tối đa?
Người giới thiệu
- //numpy.org/doc/stable/reference/generated/numpy.std.html