Pytorch 小知识点汇总三--numpy数组 求均值，方差，标准差

 

一、numpy数组 求均值，方差，标准差

标准差是衡量观测值相对平均值的分散程度。较大的标准差，说明观测数组相对均值的波动比较大。
如果观测值是总体，标准差根号内除以n; 如果是样本，标准差公式根号内除以n-1，因为我们大量接触的是样本所以基本都是除以n-1，除以的这个数字又叫做自由度。

numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=

参数解释：
a : array_like
计算的数据   
axis : None or int or tuple of ints, optional
默认是计算平铺的数组，可以选择计算的方向
dtype : dtype, optional
调节计算的精度
out : ndarray, optional
输出选择
ddof : int, optional
控制自由度，自由度=N - ddof，N是数据的长度。当ddof=1时，就是样本标准差，当ddof=0时，是总体标准差
keepdims : bool, optional

注意

在R语言中sd()函数返回的是样本标准差，既自由度是n-1

import numpy as np 
arr = [1,2,3,4,5,6]
#求均值
arr_mean = np.mean(arr)
#求方差
arr_var = np.var(arr)
#求标准差
arr_std = np.std(arr,ddof=1)
print("平均值为：%f" % arr_mean)
print("方差为：%f" % arr_var)
print("标准差为:%f" % arr_std)

样本标准差 和 总体标准差

样本方差

总体方差