mars.tensor.nanstd#

mars.tensor.nanstd(a, axis=None, dtype=None, out=None, ddof=0, keepdims=None, combine_size=None)[来源]#

计算指定轴上的标准差，同时忽略NaN。

返回标准差，该值是分布的离散程度的度量，非NaN张量元素的标准差。标准差默认是对扁平化的张量进行计算，或者在指定的轴上进行计算。

对于所有全为NaN的切片或自由度为零的切片，返回NaN并引发RuntimeWarning。

Parameters

  • a (array_like) – 计算非NaN值的标准差。

  • axis (int, 可选) – 计算标准差的轴。默认情况下是计算展平张量的标准差。

  • dtype (dtype, 可选) – 用于计算标准差的类型。对于整数类型的张量，默认是 float64，对于浮点类型的张量，类型与张量类型相同。

  • out (Tensor, 可选) – 替代输出张量，以放置结果。它必须具有与预期输出相同的形状，但类型（计算值的类型）将在必要时强制转换。

  • ddof (int, 可选) – 表示自由度的增量。用于计算的除数是 N - ddof，其中 N 代表非 NaN 元素的数量。默认情况下 ddof 为零。

  • keepdims (bool, 可选) –

    如果设置为 True，将被缩减的轴在结果中保留为大小为一的维度。使用此选项，结果将在原始 a 上正确广播。

    如果此值与默认值不同，则将原值原样传递给子类的相关函数。如果这些函数没有 keepdims 参数，将引发 RuntimeError。

  • combine_size (int, 可选) – 拼接的块数。

Returns

standard_deviation – 如果 out 是 None，则返回一个包含标准差的新数组，否则返回对输出张量的引用。如果 ddof >= 切片中非 NaN 元素的数量或切片仅包含 NaNs，则该切片的结果为 NaN。

Return type

ndarray，见上面的dtype参数。

另请参阅

var, mean, std, nanvar, nanmean

备注

标准差是平均偏差平方的平方根： std = sqrt(mean(abs(x - x.mean())**2)).

平均平方偏差通常计算为 x.sum() / N，其中 N = len(x)。但是，如果指定了 ddof，则使用除数 N - ddof。在标准统计实践中，ddof=1 提供了无偏的无限总体方差的估计。ddof=0 为正态分布变量提供了方差的最大似然估计。 在这个函数中计算的标准差是估计方差的平方根，因此即使 ddof=1，它也不是标准差本身的无偏估计。

请注意，对于复数，std 在平方之前取绝对值，因此结果始终是真实的且非负的。

对于浮点输入，std 是使用输入所具有的相同精度计算的。根据输入数据，这可能导致结果不准确，特别是对于 float32（见下面的示例）。使用 dtype 关键字指定更高精度的累加器可以缓解这个问题。

示例

>>> import mars.tensor as mt

>>> a = mt.array([[1, mt.nan], [3, 4]])
>>> mt.nanstd(a).execute()
1.247219128924647
>>> mt.nanstd(a, axis=0).execute()
array([ 1.,  0.])
>>> mt.nanstd(a, axis=1).execute()
array([ 0.,  0.5])