numpy.std
numpy.std(a, axis=None, dtype=None, out=None, ddof=0, keepdims=) [source]
计算沿指定轴的标准偏差。
返回数组元素的标准偏差，即分布分布的度量。默认情况下，将为展平数组计算标准偏差，否则将在指定轴上计算。
参数 ： | a ：array_like 计算这些值的标准偏差。 axis ：None 或 int 或 int类型的tuple, 可选 计算标准偏差所沿的一个或多个轴。 默认值是计算展平数组的标准偏差。 1.7.0版中的新功能。 如果这是一个整数元组， 则在多个轴上执行标准偏差， 而不是像以前那样在单个轴或所有轴上执行标准偏差。 dtype ：dtype, 可选 用于计算标准偏差的类型。对于整数类型的数组， 默认值为float64， 对于浮点类型的数组，其与数组类型相同。 out ：ndarray, 可选 放置结果的备用输出数组。 它必须具有与预期输出相同的形状， 但如有必要，将强制转换（计算值的类型）。 ddof ： 表示Delta自由度。计算中使用的除数为 其中 keepdims ： 如果将其设置为True，则缩小的轴将保留为尺寸1的尺寸。 使用此选项，结果将针对输入数组正确广播。 如果传递了默认值， 则keepdims不会传递给ndarray子类的std方法， 但是任何非默认值都会传递。 如果子类的方法未实现keepdims，则将引发任何异常。 |
返回值 ： | standard_deviation ：ndarray, see dtype parameter above. 如果out为None，则返回包含标准偏差的新数组， 否则返回对输出数组的引用。 |
Notes
标准差是与均值平方差的平均值的平方根，即std = sqrt(mean(abs(x-x.mean()-2)** 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 = 1ddof = 0为正态分布变量提供方差的最大似然估计。此函数中计算的标准偏差是估计方差的平方根，因此即使使用ddof = 1
请注意，对于复数，std在平方之前取绝对值，因此结果始终是实数且非负数。
对于浮点输入，将使用与输入相同的精度来计算std。 根据输入数据，这可能导致结果不准确，尤其是对于float32（请参见下面的示例）。 使用dtype关键字指定精度更高的累加器可以缓解此问题。
例子
>>> a = np.array([[1, 2], [3, 4]])
>>> np.std(a)
1.1180339887498949 # may vary
>>> np.std(a, axis=0)
array([1., 1.])
>>> np.std(a, axis=1)
array([0.5, 0.5])单精度而言，std（）可能不准确：
>>> a = np.zeros((2, 512*512), dtype=np.float32)
>>> a[0, :] = 1.0
>>> a[1, :] = 0.1
>>> np.std(a)
0.45000005计算float64中的标准偏差更为准确：
>>> np.std(a, dtype=np.float64)
0.44999999925494177 # may vary