python 标准差计算的实现（std）
numpy.std()求标准差的时候默认是除以n的，即是有偏的，np.std无偏样本标准差方式为加入参数ddof=1；
pandas.std()默认是除以n-1的，即是无偏的，如果想和numpy.std()一样有偏，需要加上参数ddof=0，即pandas.std(ddof=0)；DataFrame的describe()中就包含有std()；
demo：
>>>a array([0,1,2,3,4,5,6,7,8,9]) >>>np.std(a,ddof=1) 3.0276503540974917 >>>np.sqrt(((a-np.mean(a))**2).sum()/(a.size-1)) 3.0276503540974917 >>>np.sqrt((a.var()*a.size)/(a.size-1)) 3.0276503540974917
PS:numpy中标准差std的神坑
我们用Matlab作为对比。计算标准差，得到：
>>std([1,2,3]) ans= 1
然而在numpy中：
>>>np.std([1,2,3]) 0.81649658092772603
什么鬼！这么简单的都能出错？原因在于，np.std有这么一个参数：
ddof:int,optional
MeansDeltaDegreesofFreedom.ThedivisorusedincalculationsisN-ddof,whereNrepresentsthenumberofelements.Bydefaultddofiszero.
因此，想要正确调用，必须使ddof=1：
>>>np.std([1,2,3],ddof=1) 1.0
而且，这一特性还影响到了许多基于numpy的包。比如scikit-learn里的StandardScaler。想要正确调用，只能自己手动设置参数：
ss=StandardScaler() ss.mean_=np.mean(X,axis=0) ss.scale_=np.std(X,axis=0,ddof=1) X_norm=ss.transform(X)
当X数据量较大时无所谓，当X数据量较小时则要尤为注意。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。