np.mean()和np.std()函数如何使用
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!
一、np.mean() 函数定义:
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]
二、np.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=)
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
相关内容
这些是最新的
热门排行
- THINKPHP5+GatewayWorker+Workerman 开发在线客服系统
- 在手机浏览器网页中点击链接跳转到微信界面的方法
- 尊云网站目录系统 ThinkPHP5网站分类目录程序 v2.2.221011
- CentOS 7安装shadowsock(一键安装脚本)
- AdminTemplate 基于LayUI 2.4.5实现的网站后台管理模板
- 用NW.js(node-webkit)开发多平台的桌面客户端
- PHP生成随机昵称/用户名
- THINKPHP5网站分类目录程序 尊云网站目录系统
- 织梦(DEDECMS)微信支付接口 微信插件
- 基于LayUI开发的 网站后台管理模板 BeginnerAdmin
- 响应式后台网站模板 - AMA.ADMIN
- layuiAdmin后台管理模板 Iframe版
- LayUI 1.0.9 升级 至 LayUI 2.1.4 方法
- 简洁清爽的会员中心模板
- jQuery幸运大转盘抽奖活动代码