概述
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
Means Delta Degrees of Freedom. The divisor used in calculations is N - ddof, where N represents the number of elements. By default ddof is zero.
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。
最后
以上就是无私大侠为你收集整理的numpy中标准差std的神坑的全部内容，希望文章能够帮你解决numpy中标准差std的神坑所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
发表评论 取消回复