numpy.nanstd

numpy.nanstd(a, axis=None, dtype=None, out=None, ddof=0, keepdims=False) [source]

Вычислить стандартное отклонение по указанной оси, игнорируя значения NaN.

Возвращает стандартное отклонение, меру разброса распределения, элементов массива без NaN. Стандартное отклонение вычисляется для уплощенного массива по умолчанию, в противном случае по указанной оси.

Для срезов, содержащих только NaN или имеющих нулевую степень свободы, возвращается NaN, и возбуждается RuntimeWarning.

Новая в версии 1.8.0.

Параметры:

a : array_like Вычислить стандартное отклонение значений без NaN. axis : int, необязательно Ось, по которой вычисляется стандартное отклонение. По умолчанию вычисляется стандартное отклонение уплощенного массива. dtype : dtype, необязательно Тип, используемый при вычислении стандартного отклонения. Для массивов целого типа по умолчанию используется float64, для массивов с плавающей точкой — тот же тип, что и у массива. out : ndarray, необязательно Альтернативный массив вывода, в который поместить результат. Он должен иметь ту же форму, что и ожидаемый вывод, но тип (вычисленных значений) будет преобразован при необходимости. ddof : int, необязательно Означает Delta Degrees of Freedom. Разделитель, используемый в расчётах, равен N - ddof, где N представляет собой количество элементов без NaN. По умолчанию ddof равно нулю. keepdims : bool, необязательно Если это установлено в True, оси, которые были уменьшены, остаются в результате как измерения с размером один. С этим вариантом результат будет корректно транслироваться относительно исходного arr.

Возвращает:

standard_deviation : ndarray, см. параметр dtype выше. Если out равно None, возвращается новый массив, содержащий стандартное отклонение, в противном случае возвращается ссылка на массив вывода. Если ddof больше или равен числу элементов без NaN в срезе или срез содержит только NaN, то результат для этого среза равен NaN.

См. также

var, mean, std, nanvar, nanmean

numpy.doc.ufuncs

Раздел «Аргументы вывода»

Примечания

Стандартное отклонение — это квадратный корень из среднего значения квадратов отклонений от среднего значения: std = sqrt(mean(abs(x - x.mean())**2)).

Среднее значение квадратов отклонений обычно вычисляется как x.sum() / N, где N = len(x). Однако, если указан ddof, в качестве делителя используется N - ddof. В стандартной статистической практике ddof=1 предоставляет несмещенную оценку дисперсии бесконечной генеральной совокупности. ddof=0 предоставляет оценку максимального правдоподобия дисперсии для нормально распределенных переменных. Стандартное отклонение, вычисляемое в этой функции, является квадратным корнем из оценочной дисперсии, поэтому даже с ddof=1, это не будет несмещенной оценкой стандартного отклонения.

Обратите внимание, что для комплексных чисел std берёт абсолютное значение до возведения в квадрат, так что результат всегда вещественный и неотрицательный.

Для входных данных с плавающей точкой std вычисляется с той же точностью, что и входные данные. В зависимости от входных данных это может привести к неточным результатам, особенно для float32 (см. пример ниже). Использование накопителя с большей точностью с помощью параметра dtype может решить эту проблему.

Примеры

>>> a = np.array([[1, np.nan], [3, 4]])
>>> np.nanstd(a)
1.247219128924647
>>> np.nanstd(a, axis=0)
array([ 1.,  0.])
>>> np.nanstd(a, axis=1)
array([ 0.,  0.5])