numpy.nanstd
numpy.nanstd(a, axis=None, dtype=None, out=None, ddof=0, keepdims=) [source]
忽略NaN时，计算沿指定轴的标准偏差。
返回非NaN数组元素的标准偏差，即分布分布的度量。默认情况下，将为展平数组计算标准偏差，否则将在指定轴上计算。
对于全NaN切片或自由度为零的切片，将返回NaN并引发RuntimeWarning。
1.8.0版中的新功能。
参数 ： | a ：array_like 计算非NaN值的标准偏差。 axis ：{int, int类型的tuple, None}, 可选 计算标准偏差所沿的一个或多个轴。 默认值是计算展平数组的标准偏差。 dtype ：dtype, 可选 用于计算标准偏差的类型。对于整数类型的数组， 默认值为float64， 对于浮点类型的数组，其与数组类型相同。 out ：ndarray, 可选 放置结果的备用输出数组。 它必须具有与预期输出相同的形状， 但如有必要，将强制转换（计算值的类型）。 ddof ：int, 可选 表示Delta自由度。计算中使用的除数为 其中 keepdims ：bool, 可选 如果将其设置为True，则缩小的轴将保留为尺寸1的尺寸。 使用此选项，结果将相对于原始a正确传递。 如果该值不是默认值，它将按原样传递给子类的相关函数。 如果这些函数没有keepdims kwarg，则会引发RuntimeError。 |
返回值 ： | standard_deviation ：ndarray, see dtype parameter above. 如果out为None，则返回包含标准偏差的新数组， 否则返回对输出数组的引用。 如果ddof>> =切片中非NaN元素的数量， 或者该切片仅包含NaN，则该切片的结果为NaN。 |
Notes
标准差是与均值平方差的平均值的平方根：std = sqrt(mean(abs(x - x.mean())** 2))。
平均平方偏差通常计算为x.sum()/N，其中N = len(x)。但是，如果指定了ddof，则使用除数N-ddof。在标准统计实践中，ddof = 1ddof = 0为正态分布变量提供方差的最大似然估计。此函数中计算的标准偏差是估计方差的平方根，因此即使使用ddof = 1
请注意，对于复数，std在平方之前取绝对值，因此结果始终是实数且非负数。
对于浮点输入，将使用与输入相同的精度来计算std。根据输入数据，这可能导致结果不准确，尤其是对于float32（请参见下面的示例）。使用dtype关键字指定精度更高的累加器可以缓解此问题。
例子
>>> 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]) # may vary