Python의 numpy 모듈은 다음과 같은 함수를 제공합니다. numpy.std() , 지정된 축을 따라 표준 편차를 계산하는 데 사용됩니다. 이 함수는 배열 요소의 표준 편차를 반환합니다. 평균 제곱 편차(평균에서 계산)의 제곱근을 표준 편차라고 합니다. 기본적으로 표준 편차는 평면화된 배열에 대해 계산됩니다. 의 도움으로 x.sum()/N , 평균 제곱 편차는 일반적으로 계산되며 여기서는 N=len(x)입니다.
표준편차=sqrt(평균(abs(x-x.평균( ))**2
통사론:
numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=)
매개변수
a: array_like
이 매개변수는 요소 표준 편차가 계산되는 소스 배열을 정의합니다.
축: None, int 또는 int의 튜플(선택 사항)
표준편차를 계산하는 축입니다. 평면화된 배열의 표준 편차는 기본적으로 계산됩니다. int의 튜플인 경우 이전과 같이 단일 축 또는 모든 축 대신 여러 축에 대해 표준 편차를 수행합니다.
dtype : data_type(선택사항)
이 매개변수는 표준편차를 계산하는 데 사용되는 데이터 유형을 정의합니다. 기본적으로 데이터 유형은 정수형 배열의 경우 float64이고, 부동 소수점 배열의 경우 배열 유형과 동일합니다.
이 모니터는 얼마나 큰가요?
출력 : ndarray(선택 사항)
이 매개변수는 결과가 배치될 대체 출력 배열을 정의합니다. 이 대체 ndarray는 예상 출력과 동일한 모양을 갖습니다. 하지만 필요할 때 유형을 캐스팅합니다.
dof : int (선택 사항)
기가바이트와 메가바이트의 차이
이 매개변수는 델타 자유도를 정의합니다. N-ddof 제수는 계산에 사용되며, 여기서 N은 요소 수입니다. 기본적으로 이 매개변수의 값은 0으로 설정됩니다.
keepdims : bool(선택 사항)
선택 사항이며, 해당 값이 true인 경우 축소된 축은 결과에서 크기가 1인 차원으로 유지됩니다. 기본값을 전달하면 기본값이 아닌 값이 ndarray 하위 클래스의 평균 메서드를 통해 전달되도록 허용하지만 keepdims는 전달되지 않습니다. 또한 출력 또는 결과는 입력 배열에 대해 올바르게 브로드캐스팅됩니다.
보고
이 함수는 표준 편차를 포함하는 새 배열을 반환합니다. 'out' 매개변수를 None으로 설정하지 않으면 출력 배열의 참조를 반환합니다.
예시 1:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a) b
산출:
3.391164991562634
위의 코드에서
- 별칭 이름이 np인 numpy를 가져왔습니다.
- array() 함수를 통해 'a' 배열을 만들었습니다.
- 변수 'b'를 선언하고 반환된 값을 할당했습니다. 표준() 기능.
- 함수에 배열 'a'를 전달했습니다.
- 마지막으로 우리는 '비' .
출력에는 표준 편차가 포함된 배열이 표시되었습니다.
예시 2:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=0) b
산출:
array([0.5, 0.5, 0.5, 0.5])
예시 3:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=1) b
산출:
array([3.35410197, 3.35410197])
예시 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
위의 코드에서
- 별칭 이름이 np인 numpy를 가져왔습니다.
- np.float32 데이터 유형의 np.zeros() 함수를 사용하여 'a' 배열을 만들었습니다.
- 1의 요소에 0.1 값을 할당했습니다.성행과 1.0을 두 번째 행의 요소에 적용합니다.
- 함수에 배열 'a'를 전달했습니다.
- 마지막으로 우리는 '비' .
출력에는 표준 편차가 표시되어 있으며 이는 정확하지 않을 수 있습니다.
산출:
Sklearn 정확도 점수
0.45000008
예시 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
산출:
0.4499999992549418