Numpy NP.std
Før vi dykker til å bruke STD () -funksjonen i Numpy, la oss gjenskape hva standardavvik er.
Hva er standardavvik?
Standardavvik eller SD er en typisk statistisk operasjon som lar deg beregne spredningen av et gitt verdisett.
Vi kan uttrykke formelen for standardavvik som følger:
Med det av veien, la oss diskutere hvordan vi bruker Numpy STD () -funksjonen.
Numpy STD -funksjon
STD () -funksjonen beregner standardavviket for elementer i en matrise langs en gitt akse.
Hvis aksen ikke er spesifisert, vil funksjonen flate ut matrisen og returnere standardavviket for alle elementene.
Funksjonssyntaksen kan uttrykkes i følgende:
numpy.STD (A, Axis = Ingen, DType = Ingen, ut = Ingen, DDOF = 0, KeepDims =Parametrene er definert i henhold til følgende funksjoner:
- A - Angir inngangsarrayen.
- Axis - Definerer aksen som du vil beregne standardavviket for elementene. Sjekk Numpy Axis -dokumentasjonen for å oppdage mer.
- dtype - definerer datatypen på utgangen.
- ut - spesifiserer et alternativt utvalg av å lagre resultatet. Den alternative matrisen må være av samme form som forventet utgang.
- DDOF - Etabler Delta -grad av frihetsverdi. DDOF refererer til en divisor som brukes til å beregne antall elementer.
Eksempel 1
Følgende kode viser et eksempel på Numpy STD -funksjonen uten en akseverdi:
# Importer numpyImporter numpy som NP
# Lag matrise
arr = np.Array ([[1, 2], [3, 4]])
# Returnerer STD -verdien
Print (F "Standardavvik: NP.std (arr) ")
Den forrige koden returnerer standardavviket for alle elementer i matrisen.
Den resulterende utgangen er som følger:
Standardavvik: 1.118033988749895Eksempel 2
For å beregne standardavviket langs Axis 0 og Axis 1, bruk følgende kode:
Print (F "Standardavvik (Axis = 0): NP.STD (arr, Axis = 0) ")Print (F "Standardavvik (Axis = 1): NP.STD (arr, Axis = 1) ")
Følgende er den resulterende utgangen:
Standardavvik (akse = 0): [1. 1.]Standardavvik (akse = 1): [0.5 0.5]
Eksempel 3
Du kan spesifisere en datatype som Float for å øke nøyaktigheten og presisjonen. Et eksempelkode er som følger:
Print (F "Standardavvik: NP.STD (arr, dtype = np.float32) ")Print (F "Standardavvik: NP.STD (arr, dtype = np.float64) ")
Du vil merke at NP.Float32 returnerer en verdi med høyere presisjon mens NP.Float64 returnerer en verdi med høyere nøyaktighet.
Følgende er den resulterende utgangen:
Standardavvik: 1.1180340051651Standardavvik: 1.118033988749895
Eksempel 4
Tilsvarende kan du bruke STD () -funksjonen med en N-dimensjonal matrise som vist nedenfor:
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 "Standardavvik: NP.std (arr) ")
Det gitte eksemplet beregner standardavviket for en 3D -matrise og returnerer resultatet som følger:
Standardavvik: 7.788880963698615Merk: Siden vi ikke spesifiserer aksen, flater funksjonen arrayen og returnerer den resulterende standardavviksverdien.
Konklusjon
I denne artikkelen undersøkte vi hvordan vi bruker Numpy STD () -funksjonen for å beregne standardavviket for en matrise langs en spesifisert akse etter de gitte eksemplene. Bla gjennom Linux Hint nettsted for mer relaterte artikler.