Функция NumPy STD

Введение

В этом практическом занятии мы рассмотрим функцию numpy.std() библиотеки NumPy. Мы узнаем, что означает стандартное отклонение, и научимся использовать numpy.std() для вычисления стандартного отклонения массива.

Советы по работе с ВМ

После запуска виртуальной машины кликните в левом верхнем углу, чтобы переключиться на вкладку Notebook и получить доступ к Jupyter Notebook для практики.

Иногда вам может потребоваться подождать несколько секунд, пока Jupyter Notebook загрузится. Валидация операций не может быть автоматизирована из-за ограничений Jupyter Notebook.

Если вы столкнетесь с проблемами во время обучения, не стесняйтесь обращаться к Labby. Оставьте отзыв после занятия, и мы оперативно решим проблему для вас.

Понимание стандартного отклонения

Стандартное отклонение - это мера количества вариации или разброса набора значений. Математически стандартное отклонение определяется как квадратный корень из среднего арифметического квадратов отклонений от среднего значения. Посмотрим на формулу стандартного отклонения:

std = \sqrt{\frac{\sum_{i=1}^{n} (x_i-\bar{x})^2}{n}}

Здесь \bar{x} - это среднее значение элементов массива, x_i - i-й элемент массива, а n - количество элементов в массиве.

Синтаксис numpy.std()

Синтаксис, необходимый для использования функции numpy.std(), следующий:

numpy.std(a, axis=None, dtype=None, out=None)

Параметры:

• a: Входной массив
• axis: Ось, по которой вычисляется стандартное отклонение. По умолчанию вычисляется для сглаженного массива.
• dtype: Желаемый тип данных возвращаемого результата
• out: Выходной массив, в котором хранится результат.

Возвращает:

Возвращает стандартное отклонение массива или массив со значениями стандартного отклонения вдоль указанной оси.

Пример

Рассмотрим простой пример использования numpy.std().

import numpy as np

## create 2D array
a = np.array([[11, 2], [13, 44]])
print("The array is:\n",a)

## calculate standard deviation of flattened array
print("Standard Deviation is :")
print(np.std(a))

## calculate standard deviation along axis 0
print("Standard Deviation along axis 0:")
print(np.std(a, axis=0))

## calculate standard deviation along axis 1
print("Standard Deviation along axis 1:")
print(np.std(a, axis=1))

Результат:

The array is:
[[11  2]
 [13 44]]
Standard Deviation is :
15.850867484147358
Standard Deviation along axis 0:
[ 1. 21.]
Standard Deviation along axis 1:
[ 4.5 15.5]

Точность

Рассмотрим пример, в котором мы можем указать тип данных для вывода.

import numpy as np

inp = [22, 2, 17, 11, 34]

print("The input array is : ")
print(inp)

## calculate standard deviation
print("The standard deviation of the Input Array is: ")
print(np.std(inp))

## get more precision with float 32
print("\nTo get More precision with float32")
print("Thus std of array is : ", np.std(inp, dtype=np.float32))

## get more accuracy with float 64
print("\nTo get More accuracy with float64")
print("The std of array is : ", np.std(inp, dtype=np.float64))

Результат:

The input array is:
[22, 2, 17, 11, 34]
The standard deviation of the Input Array is:
10.721940122944167

To get More precision with float32
Thus std of array is : 10.72194

To get More accuracy with float64
The std of array is: 10.721940122944167

Примечание: Для более точного вычисления стандартного отклонения используется dtype float64.

Резюме

В этом практическом занятии мы изучили функцию numpy.std(), которая используется для вычисления стандартного отклонения массива вдоль указанной оси. Кроме того, мы поняли синтаксис numpy.std() и различные параметры, которые можно передавать. Наконец, мы рассмотрели несколько примеров, чтобы понять, как работает numpy.std().