numpy.MaskedArray.std()
La función se utiliza para calcular la desviación estándar a lo largo del eje especificado. Aquí se ignoran las entradas enmascaradas. La desviación estándar se calcula para la array aplanada de forma predeterminada; de lo contrario, se calcula sobre el eje especificado.
Sintaxis:
numpy.ma.std(arr, axis=None, dtype=None, out=None, ddof=0, keepdims=False)
Parámetros:
arr : [ ndarray ] Array enmascarada de entrada.
eje : [int, opcional] Eje a lo largo del cual se calcula la desviación estándar.
dtype : [dtype, opcional] Tipo de array devuelta, así como del acumulador en el que se multiplican los elementos.
out : [ndarray, opcional] Una ubicación en la que se almacena el resultado.
-> Si se proporciona, debe tener una forma a la que se transmitan las entradas.
-> Si no se proporciona o Ninguno, se devuelve una array recién asignada.
ddof : [int, opcional] “Grados de libertad delta”: el divisor utilizado en el cálculo es N – ddof, donde N representa el número de elementos. Por defecto, ddof es cero.
Keepdims:[ bool, opcional] Si se establece en True, los ejes que se reducen se dejan en el resultado como dimensiones con tamaño uno. Con esta opción, el resultado se transmitirá correctamente contra la array de entrada.Devolución: [desviación_estándar_a lo largo del eje, ndarray] Se devuelve una nueva array que contiene el resultado a menos que se especifique out, en cuyo caso se devuelve una referencia a out.
Código #1:
# Python program explaining # numpy.MaskedArray.std() method # importing numpy as geek # and numpy.ma module as ma import numpy as geek import numpy.ma as ma # creating input array in_arr = geek.array([[1, 2], [ 3, -1], [ 5, -3]]) print ("Input array : ", in_arr) # Now we are creating a masked array. # by making entry as invalid. mask_arr = ma.masked_array(in_arr, mask =[[1, 0], [ 1, 0], [ 0, 0]]) print ("Masked array : ", mask_arr) # applying MaskedArray.std # methods to masked array out_arr = ma.std(mask_arr) print ("standard deviation of masked array along default axis : ", out_arr)
Input array : [[ 1 2] [ 3 -1] [ 5 -3]] Masked array : [[-- 2] [-- -1] [5 -3]] standard deviation of masked array along default axis : 3.031088913245535
Código #2:
# Python program explaining # numpy.MaskedArray.std() method # importing numpy as geek # and numpy.ma module as ma import numpy as geek import numpy.ma as ma # creating input array in_arr = geek.array([[1, 0, 3], [ 4, 1, 6]]) print ("Input array : ", in_arr) # Now we are creating a masked array. # by making one entry as invalid. mask_arr = ma.masked_array(in_arr, mask =[[ 0, 0, 0], [ 0, 0, 1]]) print ("Masked array : ", mask_arr) # applying MaskedArray.std methods # to masked array out_arr1 = ma.std(mask_arr, axis = 0) print ("standard deviation of masked array along 0 axis : ", out_arr1) out_arr2 = ma.std(mask_arr, axis = 1) print ("standard deviation of masked array along 1 axis : ", out_arr2)
Input array : [[1 0 3]
[4 1 6]]
Masked array : [[1 0 3]
[4 1 --]]
standard deviation of masked array along 0 axis : [1.5 0.5 0.0]
standard deviation of masked array along 1 axis : [1.247219128924647 1.5]
Publicación traducida automáticamente
Artículo escrito por jana_sayantan y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA