np.mean()和np.std()函數如何使用

本篇內容主要講解“np.mean()和np.std()函數如何使用”，感興趣的朋友不妨來看看。本文介紹的方法操作簡單快捷，實用性強。下面就讓小編來帶大家學習“np.mean()和np.std()函數如何使用”吧!

一、np.mean() 函數定義：

numpy.mean(a, axis, dtype, out，keepdims)

mean()函數功能：求取均值
經常操作的參數為axis，以m * n矩陣舉例：

• axis 不設置值，對 m*n 個數求均值，返回一個實數

• axis = 0：壓縮行，對各列求均值，返回 1* n 矩陣

• axis = 1：壓縮列，對各行求均值，返回 m *1 矩陣

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，計算每一列的均值
[2. 3.]

print(np.mean(a, axis=1)) # axis = 1計算每一行的均值
[1.5 3.5]

二、np.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=)

這個函數是用來求標準差的。axis=0時，表示求每一列標準差，axis=1時，表示求每一行標準差，當axis=None時，表示求全局標準差。

其次numpy計算的為總體標準偏差，即當ddof=0時，計算有偏樣本標準差；一般在擁有所有數據的情況下，計算所有數據的標準差時使用，即最終除以n。

當ddof = 1時，表示計算無偏樣本標準差，最終除以n-1。

這個是統計學意義上的，日常使用時一般情況很難收集到所有樣本，都應該使用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有偏計算結果：",pian)
std有偏計算結果： 2.8722813232690143

orig = np.sqrt(((a - np.mean(a)) ** 2).sum() / a.size)
print("有偏公式計算結果：",orig)
有偏公式計算結果： 2.8722813232690143

no_pian = np.std(a, ddof = 1) # 無偏
print("std無偏計算結果：",no_pian)
std無偏計算結果： 3.0276503540974917

orig1 = np.sqrt(((a - np.mean(a)) ** 2).sum() / (a.size - 1))
print("無偏公式計算結果：",orig1)
無偏公式計算結果： 3.0276503540974917

到此，相信大家對“np.mean()和np.std()函數如何使用”有了更深的了解，不妨來實際操作一番吧！這里是億速云網站，更多相關內容可以進入相關頻道進行查詢，關注我們，繼續學習！