توفر الوحدة النمطية numpy في Python وظيفة تسمى numpy.std() ، يستخدم لحساب الانحراف المعياري على طول المحور المحدد. ترجع هذه الدالة الانحراف المعياري لعناصر الصفيف. يُعرف الجذر التربيعي لمتوسط الانحراف المربع (المحسوب من المتوسط) بالانحراف المعياري. افتراضيًا، يتم حساب الانحراف المعياري للصفيف المسطح. بمساعدة ال x.sum()/N ، يتم عادةً حساب متوسط انحراف المربع، وهنا N=len(x).
الانحراف المعياري = sqrt(mean(abs(x-x.mean( )))**2
بناء الجملة:
numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=)
حدود
ج: array_like
تحدد هذه المعلمة المصفوفة المصدر التي يتم حساب الانحراف المعياري لعناصرها.
المحور: لا شيء، أو int، أو مجموعة من ints (اختياري)
وهو المحور الذي يتم على طوله حساب الانحراف المعياري. يتم حساب الانحراف المعياري للمصفوفة المسطحة بشكل افتراضي. إذا كان عبارة عن مجموعة من ints، فسيتم تنفيذ الانحراف المعياري على محاور متعددة بدلاً من محور واحد أو كل المحاور كما كان من قبل.
dtype: data_type (اختياري)
تحدد هذه المعلمة نوع البيانات المستخدم في حساب الانحراف المعياري. بشكل افتراضي، نوع البيانات هو float64 لمصفوفات النوع الصحيح، وبالنسبة لمصفوفات الأنواع العائمة، سيكون هو نفس نوع المصفوفة.
أمثلة على أتمتة dfa
خارج: نداراي (اختياري)
من هو فريدي ميركوري
تحدد هذه المعلمة مصفوفة الإخراج البديلة التي سيتم وضع النتيجة فيها. هذا ndarray البديل له نفس شكل المخرجات المتوقعة. لكننا نلقي النوع عند الضرورة.
دوف: كثافة العمليات (اختياري)
تحدد هذه المعلمة درجات دلتا للحرية. يُستخدم المقسوم عليه N-ddof في العمليات الحسابية، حيث N هو عدد العناصر. افتراضيًا، يتم تعيين قيمة هذه المعلمة على 0.
keepdims: منطقي (اختياري)
إنه اختياري، حيث أن قيمته، عندما تكون صحيحة، ستترك المحور المخفض كأبعاد بحجم واحد في الناتج. عندما يمرر القيمة الافتراضية، فإنه سيسمح للقيم غير الافتراضية بالمرور عبر الطريقة المتوسطة للفئات الفرعية لـ ndarray، لكن Keepdims لن تمر. وأيضًا، سيتم بث الإخراج أو النتيجة مقابل مصفوفة الإدخال بشكل صحيح.
عائدات
ستُرجع هذه الدالة مصفوفة جديدة تحتوي على الانحراف المعياري. إذا لم نقم بتعيين المعلمة 'out' على لا شيء، فستُرجع مرجع مصفوفة الإخراج.
مثال 1:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a) b
انتاج:
3.391164991562634
في الكود أعلاه
- لقد قمنا باستيراد numpy بالاسم المستعار np.
- لقد أنشأنا مصفوفة 'a' عبر الدالة array().
- لقد أعلنا عن المتغير 'b' وقمنا بتعيين القيمة التي تم إرجاعها الأمراض المنقولة جنسيا () وظيفة.
- لقد مررنا المصفوفة 'أ' في الوظيفة
- وأخيرًا، حاولنا طباعة قيمة 'ب' .
في الإخراج، تم عرض مصفوفة تحتوي على الانحراف المعياري.
مثال 2:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=0) b
انتاج:
array([0.5, 0.5, 0.5, 0.5])
مثال 3:
a=np.array([[1,4,7,10],[2,5,8,11]]) b=np.std(a, axis=1) b
انتاج:
array([3.35410197, 3.35410197])
مثال 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
في الكود أعلاه
- لقد قمنا باستيراد numpy بالاسم المستعار np.
- لقد أنشأنا مصفوفة 'a' باستخدام الدالة np.zeros() بنوع البيانات np.float32.
- لقد قمنا بتعيين القيمة 0.1 لعناصر 1شارعصف و1.0 لعناصر الصف الثاني.
- لقد مررنا المصفوفة 'أ' في الوظيفة
- وأخيرًا، حاولنا طباعة قيمة 'ب' .
في الإخراج، تم إظهار الانحراف المعياري، والذي يمكن أن يكون غير دقيق.
انتاج:
0.45000008
مثال 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
انتاج:
طرق السلسلة في جافا
0.4499999992549418