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 всех срезов NaN или срезов с нулевой степенью свободы возвращается NaN, и генерируется RuntimeWarning.

Введено в версии 1.8.0.

Параметры:

a : array_like Вычислить стандартное отклонение ненулевых значений. 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 целочисленного 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 результат, но тип (вычисленных значений) будет преобразован при необходимости. ddof : int, необязательно Означает Delta Degrees of Freedom. Делитель, используемый в вычислениях, равен N - ddof, где N — количество ненулевых элементов. По умолчанию ddof равно нулю. keepdims : bool, необязательно Если установлено в True, оси, по которым происходило сокращение, остаются в результате как измерения с размером один. С этим параметром результат корректно транслируется по отношению к исходному arr.

Возвращает:

standard_deviation : ndarray, см. параметр dtype выше. Если out равно None, возвращается новый массив, содержащий стандартное отклонение, в противном случае — ссылка на выходной массив. Если ddof ≥ количеству ненулевых элементов в срезе или срез содержит только NaN, 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 квадрата отклонения обычно вычисляется как x.sum() / N, где N = len(x). Однако, если задан ddof, используется делитель N - ddof. В стандартной статистической практике ddof=1 обеспечивает несмещенную оценку дисперсии бесконечной совокупности. ddof=0 предоставляет оценку максимального правдоподобия дисперсии для нормально распределенных переменных. Стандартное отклонение, вычисленное в этой функции, — это квадратный корень из оценочной дисперсии, поэтому даже с ddof=1, это не будет несмещенной оценкой стандартного отклонения как такового.

Обратите внимание, что для комплексных чисел std берет абсолютное значение перед возведением в квадрат, так что результат всегда вещественный и неотрицательный.

Для чисел с плавающей точкой стандартное отклонение вычисляется с той же точностью, что и у входных данных. В зависимости от входных данных это может привести к неточным результатам, особенно для float32 (см. пример ниже). Использование накопителя с большей точностью с помощью ключевого слова 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])