本篇内容主要讲解“np.mean()和np.std()函数如何使用”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“np.mean()和np.std()函数如何使用”吧!
numpy.mean(a, axis, dtype, out,keepdims)
mean()函数功能:求取均值
经常操作的参数为axis,以m * n矩阵举例:
axis 不设置值,对 m*n 个数求均值,返回一个实数
axis = 0:压缩行,对各列求均值,返回 1* n 矩阵
axis = 1:压缩列,对各行求均值,返回 m *1 矩阵
import numpy as np a = np.array([[1, 2], [3, 4]]) print(a) [[1 2] [3 4]] print(type(a)) <class 'numpy.ndarray'> print(np.mean(a)) 2.5 print(np.mean(a, axis=0)) # axis=0,计算每一列的均值 [2. 3.] print(np.mean(a, axis=1)) # axis = 1计算每一行的均值 [1.5 3.5]
这个函数是用来求标准差的。axis=0时,表示求每一列标准差,axis=1时,表示求每一行标准差,当axis=None时,表示求全局标准差。
其次numpy计算的为总体标准偏差,即当ddof=0时,计算有偏样本标准差;一般在拥有所有数据的情况下,计算所有数据的标准差时使用,即最终除以n。
当ddof = 1时,表示计算无偏样本标准差,最终除以n-1。
这个是统计学意义上的,日常使用时一般情况很难收集到所有样本,都应该使用ddof = 1
import numpy as np a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) pian = np.std(a, ddof = 0) # 有偏 print("std有偏计算结果:",pian) std有偏计算结果: 2.8722813232690143 orig = np.sqrt(((a - np.mean(a)) ** 2).sum() / a.size) print("有偏公式计算结果:",orig) 有偏公式计算结果: 2.8722813232690143 no_pian = np.std(a, ddof = 1) # 无偏 print("std无偏计算结果:",no_pian) std无偏计算结果: 3.0276503540974917 orig1 = np.sqrt(((a - np.mean(a)) ** 2).sum() / (a.size - 1)) print("无偏公式计算结果:",orig1) 无偏公式计算结果: 3.0276503540974917
到此,相信大家对“np.mean()和np.std()函数如何使用”有了更深的了解,不妨来实际操作一番吧!这里是亿速云网站,更多相关内容可以进入相关频道进行查询,关注我们,继续学习!
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:is@yisu.com进行举报,并提供相关证据,一经查实,将立刻删除涉嫌侵权内容。