用 Python 计算矩阵的标准差
在本文中，我们将学习如何使用 Python 计算矩阵的标准差。
标准差用于衡量数据集中值的分布。它表示数据集中值的变化或分散，还有助于确定模型统计结论的可信度。它由σ表示，通过取方差的平方根来计算。如果标准差较低，则意味着大多数值更接近平均值，如果标准差较高，则意味着更接近平均值。在本文中，我们将学习 Python 中计算 SD 的不同方法。
我们可以使用以下方法计算标准偏差:
- NumPy 包中的 std()方法
- 统计包中的 stdev()方法
方法 1:NumPy 包中的 std()方法。
Python 3
# import required packages
import numpy as np
# Create matrix
matrix = np.array([[33, 55, 66, 74], [23, 45, 65, 27],
[87, 96, 34, 54]])
print("Your matrix:\n", matrix)
# use std() method
sd = np.std(matrix)
print("Standard Deviation :\n", sd)
输出:
Your matrix:
[[33 55 66 74]
[23 45 65 27]
[87 96 34 54]]
Standard Deviation :
22.584870796373593
方法 2:Statistics 包中的 stdev()方法。
Python 3
import statistics
statistics.stdev([11, 43, 56, 77, 87, 45, 67, 33])
输出:
24.67466890789592
版权属于：月萌API www.moonapi.com，转载请注明出处
