np.mean()和np.std()函数的具体使用
更新时间：2023年03月14日 09:45:31 作者：云旗no385
本文主要介绍了np.mean()和np.std()函数的具体使用，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
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到此这篇关于np.mean()和np.std()函数的具体使用的文章就介绍到这了,更多相关np.mean()和np.std()函数内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
您可能感兴趣的文章:
相关文章
这篇文章主要介绍了python调用虹软2.0第三版的具体使用，小编觉得挺不错的，现在分享给大家，也给大家做个参考。一起跟随小编过来看看吧2019-02-02
这篇文章主要为大家详细介绍了python应用Axes3D绘图，批量梯度下降算法，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2020-03-03
这篇文章介绍了一个使用Python和OpenCV实现实时视频流目标检测的程序,程序使用预训练的YOLOv3模型,并通过多线程处理提高性能,代码展示了如何导入库、初始化参数、加载模型、处理视频帧以及显示结果,文中通过代码介绍的非常详细,需要的朋友可以参考下2024-11-11
python操作excel的方法（xlsxwriter包的使用）
这篇文章主要为大家详细介绍了python操作excel的方法，xlsxwriter包的使用方法，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2018-06-06
random() 方法返回随机生成的一个实数，它在[0,1)范围内。这篇文章主要介绍了Random 在 Python 中的使用方法,需要的朋友可以参考下2018-08-08
安装好PyCharm之后,新建或者导入项目碰到找不到解释器的情况,不用担心,追根到底,咱们就是需要找到pycharm*.exe的文件,那么这个文件在哪里呢？所以本文就给大家介绍一下pycharm找不到解释器问题的解决方案,需要的朋友可以参考下2024-04-04
这篇文章主要给大家介绍了关于python正则表达式完成车牌号检验的相关资料,在Python中正则表达式是一种用于匹配和操作字符串的强大工具,文中通过代码介绍的非常详细,需要的朋友可以参考下2024-02-02
超好玩的"隔空操物"通过Python MediaPipe库实现
这篇文章主要介绍了python+mediapipe+opencv实现手部关键点检测功能(手势识别),本文仅仅简单介绍了mediapipe的使用，而mediapipe提供了大量关于图像识别等的方法，需要的朋友可以参考下2022-01-01
这篇文章主要介绍了django 微信网页授权认证api的步骤详解，本文给大家介绍的非常详细，具有一定的参考借鉴价值,需要的朋友可以参考下2019-07-07
这篇文章主要为大家详细介绍了python交互式图形编程实例，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下2017-11-11
最新评论