O módulo numpy do Python fornece uma função chamada numpy.std() , usado para calcular o desvio padrão ao longo do eixo especificado. Esta função retorna o desvio padrão dos elementos do array. A raiz quadrada do desvio quadrado médio (calculado a partir da média) é conhecida como desvio padrão. Por padrão, o desvio padrão é calculado para a matriz nivelada. Com a ajuda do x.soma()/N , o desvio quadrático médio é normalmente calculado e aqui, N=len(x).
Desvio padrão=sqrt(mean(abs(x-x.mean( ))**2
Sintaxe:
numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=)
Parâmetros
a: array_like
Este parâmetro define o array de origem cujo desvio padrão dos elementos é calculado.
eixo: Nenhum, int ou tupla de ints (opcional)
É o eixo ao longo do qual o desvio padrão é calculado. O desvio padrão da matriz nivelada é calculado por padrão. Se for uma tupla de inteiros, executa o desvio padrão em vários eixos em vez de um único eixo ou em todos os eixos como antes.
dtype: data_type (opcional)
Este parâmetro define o tipo de dados usado no cálculo do desvio padrão. Por padrão, o tipo de dados é float64 para matrizes do tipo inteiro e, para matrizes do tipo float, será igual ao tipo de matriz.
algoritmo de agendamento round robin
saída: ndarray (opcional)
ligue o java
Este parâmetro define a matriz de saída alternativa na qual o resultado deve ser colocado. Este ndarray alternativo tem o mesmo formato da saída esperada. Mas lançamos o tipo quando necessário.
dof: int (opcional)
Este parâmetro define os Delta Graus de Liberdade. O divisor N-ddof é usado em cálculos, onde N é o número de elementos. Por padrão, o valor deste parâmetro é definido como 0.
keepdims : bool (opcional)
É opcional, cujo valor, quando verdadeiro, deixará o eixo reduzido como dimensões com tamanho um na resultante. Ao passar o valor padrão, permitirá que os valores não padrão passem pelo método médio das subclasses de ndarray, mas os keepdims não passarão. Além disso, a saída ou o resultado será transmitido corretamente na matriz de entrada.
Devoluções
Esta função retornará um novo array que contém o desvio padrão. Se não definirmos o parâmetro 'out' como None, ele retornará a referência do array de saída.
Exemplo 1:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a) b
Saída:
3.391164991562634
No código acima
- Importamos numpy com o nome alternativo np.
- Criamos um array 'a' por meio da função array().
- Declaramos a variável 'b' e atribuímos o valor retornado de padrão() função.
- Passamos o array 'a' na função
- Por último, tentamos imprimir o valor de 'b' .
Na saída, uma matriz contendo o desvio padrão foi mostrada.
Exemplo 2:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=0) b
Saída:
array([0.5, 0.5, 0.5, 0.5])
Exemplo 3:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=1) b
Saída:
array([3.35410197, 3.35410197])
Exemplo 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
No código acima
- Importamos numpy com o nome alternativo np.
- Criamos um array 'a' usando a função np.zeros() com tipo de dados np.float32.
- Atribuímos o valor 0,1 aos elementos do 1stlinha e 1,0 para os elementos da segunda linha.
- Passamos o array 'a' na função
- Por último, tentamos imprimir o valor de 'b' .
Na saída, foi mostrado o desvio padrão, que pode ser impreciso.
Saída:
0.45000008
Exemplo 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
Saída:
janela.open javascript
0.4499999992549418