np.mean()和np.std()函数如何使用

本篇内容主要讲解“np.mean()和np.std()函数如何使用”，感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷，实用性强。下面就让小编来带大家学习“np.mean()和np.std()函数如何使用”吧!

一、np.mean() 函数定义：

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

mean()函数功能：求取均值
经常操作的参数为axis，以m * n矩阵举例：

• axis 不设置值，对 m*n 个数求均值，返回一个实数

• axis = 0：压缩行，对各列求均值，返回 1* n 矩阵

• axis = 1：压缩列，对各行求均值，返回 m *1 矩阵

import numpy as npa = np.array([[1, 2], [3, 4]])print(a)[[1 2] [3 4]] print(type(a))<class 'numpy.ndarray'>print(np.mean(a))2.5print(np.mean(a, axis=0)) # axis=0，计算每一列的均值[2. 3.]print(np.mean(a, axis=1)) # axis = 1计算每一行的均值[1.5 3.5]

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

这个函数是用来求标准差的。axis=0时，表示求每一列标准差，axis=1时，表示求每一行标准差，当axis=None时，表示求全局标准差。

其次numpy计算的为总体标准偏差，即当ddof=0时，计算有偏样本标准差；一般在拥有所有数据的情况下，计算所有数据的标准差时使用，即最终除以n。

当ddof = 1时，表示计算无偏样本标准差，最终除以n-1。

这个是统计学意义上的，日常使用时一般情况很难收集到所有样本，都应该使用ddof = 1

import numpy as npa = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])pian = np.std(a, ddof = 0) # 有偏print("std有偏计算结果：",pian)std有偏计算结果： 2.8722813232690143orig = np.sqrt(((a - np.mean(a)) ** 2).sum() / a.size)print("有偏公式计算结果：",orig)有偏公式计算结果： 2.8722813232690143no_pian = np.std(a, ddof = 1) # 无偏print("std无偏计算结果：",no_pian)std无偏计算结果： 3.0276503540974917orig1 = np.sqrt(((a - np.mean(a)) ** 2).sum() / (a.size - 1))print("无偏公式计算结果：",orig1)无偏公式计算结果： 3.0276503540974917

到此，相信大家对“np.mean()和np.std()函数如何使用”有了更深的了解，不妨来实际操作一番吧！这里是编程网网站，更多相关内容可以进入相关频道进行查询，关注我们，继续学习！