Hướng dẫn dùng np std python

Để tìm độ lệch chuẩn của một mảng trong Python, hãy sử dụng hàm numpy.std (). Độ lệch chuẩn là căn bậc hai của giá trị trung bình của các độ lệch bình phương so với giá trị trung bình. Theo mặc định, nó được tính cho mảng phẳng nhưng bạn có thể thay đổi điều này bằng cách chỉ định tham số trục.

Nội dung chính

• 1. Ví dụ nhanh về Hàm độ lệch chuẩn NumPy trong Python
• 2. Cú pháp của std ()
• 2.1 Các tham số của std ()
• 2.2 Giá trị trả về của std ()
• 3. Cách sử dụng NumPy std ()
• 4. Nhận độ lệch chuẩn của mảng 2-D
• 5. Nhận độ lệch chuẩn bằng cách sử dụng thông số trục
• 6. Sử dụng dtype Param
• 7. Kết luận
• Bạn cũng có thể thích
• Người giới thiệu

Nội dung chính

• 1. Ví dụ nhanh về Hàm độ lệch chuẩn NumPy trong Python
• 2. Cú pháp của std ()
• 2.1 Các tham số của std ()
• 2.2 Giá trị trả về của std ()
• 3. Cách sử dụng NumPy std ()
• 4. Nhận độ lệch chuẩn của mảng 2-D
• 5. Nhận độ lệch chuẩn bằng cách sử dụng thông số trục
• 6. Sử dụng dtype Param
• 7. Kết luận
• Bạn cũng có thể thích
• Người giới thiệu

Để tính độ lệch chuẩn trước tiên, bạn cần tính giá trị trung bình của mảng NumPy bằng cách sử dụng x.sum()/Nvà đây, N=len(x) dẫn đến giá trị trung bình. bây giờ để tính toán sử dụng std, std = sqrt(mean(x))ở đâu x = abs(arr – arr.mean())**2

• 1. Ví dụ nhanh về Hàm độ lệch chuẩn NumPy trong Python
  • 2. Cú pháp của std ()
  • 2.1 Các tham số của std ()
  • 2.2 Giá trị trả về của std ()
• 3. Cách sử dụng NumPy std ()
• 4. Nhận độ lệch chuẩn của mảng 2-D
• 5. Nhận độ lệch chuẩn bằng cách sử dụng thông số trục
• 6. Sử dụng dtype Param
• 7. Kết luận
  • Bạn cũng có thể thích
  • Người giới thiệu

1. Ví dụ nhanh về Hàm độ lệch chuẩn NumPy trong Python

Nếu bạn đang vội, dưới đây là một số ví dụ nhanh về độ lệch chuẩn của Mảng NumPy kèm theo các ví dụ.

# Below are the quick examples

# Example 1: Use std() on 1-D array
arr1 = np.std(arr)

# Example 2: Use std() on 2-D array
arr1 = np.std(arr)

# Example 3: Get the standard deviation of with axis = 0
arr1 = np.std(arr, axis=0)

# Example 4: Get the standard deviation of with axis = 1 
arr1 = np.std(arr, axis=1)

# Example 5: Get the standard deviation value with float32 data 
arr1 = np.std(arr, dtype = np.float32)

2. Cú pháp của std ()

Sau đây là cú pháp của std ().

#  Syntax of numpy.std() 
numpy.std(arr, axis=None, dtype=None, out=None) 

2.1 Các tham số của std ()

Sau đây là các tham số của std ().

• arr – Nhập mảng để tính toán.
• axis – Không, int hoặc tuple của int. Trục hoặc các trục. Mặc định là tính toán độ lệch chuẩn của mảng phẳng. axis=0 có nghĩa là độ lệch chuẩn được tính dọc theo cột, axis=1 độ lệch chuẩn dọc theo hàng. Nó coi mảng nhiều chiều như một danh sách phẳng nếu trục không được cung cấp.
• dtype – Loại bạn mong muốn trong khi tính toán độ lệch chuẩn.
• out – Mảng đầu ra thay thế để đặt kết quả.

2.2 Giá trị trả về của std ()

Nó trả về độ lệch chuẩn của các phần tử mảng với float64 loại dữ liệu. Bạn có thể thay đổi điều này bằng cách chỉ định dtype tham số.

3. Cách sử dụng NumPy std ()

NumPy std() là một hàm thống kê được sử dụng để tính toán độ lệch chuẩn của mảng đơn và mảng đa chiều cùng với trục được chỉ định và kiểu dữ liệu được chỉ định.

Cho phép tạo mảng NumPy bằng cách sử dụng hàm np.array () và tính toán độ lệch chuẩn bằng cách sử dụng numpy.std(). Ví dụ,

import numpy as np
# Create NumPy array
arr = np.array([5,6,4])

# Get the Standard Deviation of 1-dimensional array
arr1 = np.std(arr)
print(arr1)

# Output :
# 0.816496580927726

Sau đây là phép tính toán học về độ lệch chuẩn của mảng 1-D.

# Mathematical calculation of standard deviation
Standard Deviation is std =  sqrt(mean(x)), where x = abs(arr - arr.mean())**2
Mean = 5 + 6 + 4 / 3
     = 5

Standard Deviation = sqrt( ((5-5)**2 + (6-5)**2 + (4-5)**2)/3 )
                   = sqrt( (0+ 1+ 1)/3 )
                   = sqrt(2/3)
                   = sqrt(0.6666)
                   = 0.816496580927726

4. Nhận độ lệch chuẩn của mảng 2-D

Để tìm độ lệch chuẩn của mảng 2-D, hãy sử dụng hàm này mà không cần chuyển qua bất kỳ trục nào, nó sẽ tính toán tất cả các giá trị trong một mảng và trả về giá trị std.

# Create a 2-D numpy array
arr = np.array([[2, 3],
                [2, 5]])
                
# Get the standard deviation of with no axis
arr1 = np.std(arr)
print(arr1)

# Output
# 1.224744871391589

Sau đây là phép tính toán học về độ lệch chuẩn của mảng 2-D.

# Mathematical calculation of standard deviation
Mean = 2 + 3 + 2 + 5 / 4
     = 3

Standard Deviation = sqrt( ((2-3)**2 + (3-3)**2 + (2-3)**2 + (5-3)**2)/4 )
                   = sqrt( (1+ 0+ 1+ 4)/4 )
                   = sqrt(6/4)
                   = sqrt(1.5)
                   = 1.224744871391589

5. Nhận độ lệch chuẩn bằng cách sử dụng thông số trục

Chúng ta có thể tính toán độ lệch chuẩn của mảng NumPy cùng với trục được chỉ định. Để làm được điều đó, chúng ta cần vượt qua axis = 0 để tính toán theo cột khôn ngoan. Ví dụ,

# Get the standard deviation of array in column-wise 
arr1 = np.std(arr, axis=0)
print(arr1) 

# Output
# [0. 1.]

Dưới đây là cách nó tính toán nội bộ.

# Mathematical calculation of standard deviation
1st column values are 2, 2
mean = (2+2)/2 = 0

Standard Deviation = sqrt( ( (2-2)**2 + (2-2)**2 )/2 )
                   = sqrt( 0 + 0/2 )
                   = sqrt(0/2)
                   = 0.

2nd column values are 3, 5
mean = (3+5)/2 = 4

Standard Deviation = sqrt( ( (3-4)**2 + (5-4)**2 )/2 )
                   = sqrt( 1 + 1/2 )
                   = sqrt(2/2)
                   = 1.

Sử dụng np.std(arr,axis=1) để tính toán độ lệch chuẩn theo hàng của mảng. Ví dụ,

# Standard deviation of array row-wise
arr1 = np.std(arr, axis=1)
print(arr1)

# Output
# [0.5 1.5]

Cách tính toán cũng tương tự như trên, mình sẽ cấp cái này cho các bạn khám phá.

6. Sử dụng dtype Param

Như bạn thấy các ví dụ trên theo mặc định, nó trả về float64 nhưng bạn có thể thay đổi điều này bằng cách chuyển dtype đối với chức năng này, nó có độ phân giải thấp hơn nếu bạn chỉ định dtype float32 còn hơn là float64.

# Get the standard deviation value with float32 data 
arr = np.array([5,6,4])
arr1 = np.std(arr, dtype = np.float32)
print(arr1)

# Output
# 0.8164966

7. Kết luận

Trong bài viết này, tôi đã giải thích độ lệch chuẩn của mảng NumPy đơn chiều và đa chiều bằng cách sử dụng std() ví dụ chi tiết.

Học vui vẻ !!

Bạn cũng có thể thích

Người giới thiệu