NumPy教程-numpy.std()在Python中的使用
Python的numpy模块提供了一个名为numpy.std()的函数，用于沿指定轴计算标准差。这个函数返回数组元素的标准差。从平均平方偏差（从均值计算得出）的平方根，被称为标准差。默认情况下，标准差是针对展平的数组计算的。通过x.sum()/N，通常计算平均平方偏差，其中N=len(x)。
标准差 = sqrt(mean(abs(x-x.mean( ))**2
语法：
numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<**class** numpy._globals._NoValue>)参数
a: array_like
这个参数定义了要计算标准差的源数组的元素。
axis: None, int, or tuple of ints（可选）
这是沿着哪个轴计算标准差的轴。默认情况下，计算展平数组的标准差。如果它是int类型的元组，则会在多个轴上执行标准差，而不是像之前一样在单个轴或所有轴上执行。
dtype: data_type（可选）
这个参数定义了用于计算标准差的数据类型。对于整数类型数组，默认情况下数据类型是float64，对于浮点类型数组，数据类型与数组类型相同。
out: ndarray（可选）
这个参数定义了替代输出数组，用于存放结果。这个替代的ndarray与预期输出具有相同的形状。但是在必要时进行类型转换。
ddof: int（可选）
这个参数定义了自由度。在计算中使用N-ddof作为除数，其中N是元素的数量。默认情况下，这个参数的值设置为0。
keepdims: bool（可选）
这是一个可选的参数，当值为True时，会将减小的轴保留为结果中大小为1的维度。当它传递默认值时，它将允许通过ndarray的子类的mean方法传递非默认值，但不会通过keepdims传递。此外，输出或结果将正确地广播到输入数组。
返回值
这个函数将返回一个包含标准差的新数组。如果我们没有将'out'参数设置为None，它将返回输出数组的引用。
示例 1：
a=np.array([[1,4,7,10],[2,5,8,11]])
b=np.std(a)
b 输出：
3.391164991562634在上面的代码中
- 我们使用别名np导入了numpy模块。
- 我们使用array()函数创建了一个数组'a'。
- 我们声明了变量'b'并将std()函数的返回值赋值给它。
- 我们在函数中传递了数组'a'。
- 最后，我们尝试打印变量'b'。
输出显示了包含标准差的数组。
示例 2：
a=np.array([[1,4,7,10],[2,5,8,11]])
b=np.std(a, axis=0)
b 输出：
array([0.5, 0.5, 0.5, 0.5])示例 3：
a=np.array([[1,4,7,10],[2,5,8,11]])
b=np.std(a, axis=1)
b 输出：
array([3.35410197, 3.35410197])示例 4：
import numpy as np
a = np.zeros((2, 512*512), dtype=np.float32)
a[1, :] = 1.0
a[0, :] = 0.1
b=np.std(a)
b 在上面的代码中
- 我们使用别名np导入了numpy模块。
- 我们使用np.zeros()函数创建了一个数据类型为np.float32的数组'a'。
- 我们将第一行的元素赋值为0.1，将第二行的元素赋值为1.0。
- 我们在函数中传递了数组'a'。
- 最后，我们尝试打印变量'b'。
输出显示了标准差，可能不准确。
输出：
0.45000008示例 5：
import numpy as np
a = np.zeros((2, 512*512), dtype=np.float32)
a[1, :] = 1.0
a[0, :] = 0.1
b=np.std(a ,dtype=np.float64))
b 输出：
0.4499999992549418
