jax.numpy.nanstd

jax.numpy.nanstd(a, axis=None, dtype=None, out=None, ddof=0, keepdims=False, where=None)

计算给定轴上的标准差，忽略 NaN 值。

JAX 实现的 numpy.nanstd()。

参数:

• a (ArrayLike) – 输入数组。

• axis (Axis) – 可选，整数或整数序列，默认值=None。计算标准差的轴。如果为 None，则沿扁平化数组计算标准差。

• dtype (DTypeLike | None) – 输出数组的类型。默认值=None。

• ddof (int) – 整数，默认值=0。自由度。标准差计算中的除数是 N-ddof，N 是沿给定轴的元素数量。

• keepdims (bool) – 布尔值，默认值=False。如果为 True，则在结果中保留大小为 1 的缩减轴。

• where (ArrayLike | None) – 可选，布尔数组，默认值=None。要在标准差中使用的元素。数组应与输入广播兼容。

• out (None) – JAX 未使用。

返回值:

一个数组，包含沿给定轴的数组元素的标准差。如果沿给定轴的所有元素均为 NaN，则返回 nan。

返回类型:

数组

另请参阅

• jax.numpy.nanmean(): 计算给定轴上数组元素的平均值，忽略 NaN 值。

• jax.numpy.nanvar(): 计算沿给定轴的方差，忽略 NaN 值。

• jax.numpy.std(): 计算沿给定轴的标准差。

示例

默认情况下，jnp.nanstd 计算沿扁平化数组的标准差。

>>> nan = jnp.nan
>>> x = jnp.array([[3, nan, 4, 5],
...                [nan, 2, nan, 7],
...                [2, 1, 6, nan]])
>>> jnp.nanstd(x)
Array(1.9843135, dtype=float32)

如果 axis=0，则计算沿轴 0 的标准差。

>>> jnp.nanstd(x, axis=0)
Array([0.5, 0.5, 1. , 1. ], dtype=float32)

要保留输入的维度，您可以设置 keepdims=True。

>>> jnp.nanstd(x, axis=0, keepdims=True)
Array([[0.5, 0.5, 1. , 1. ]], dtype=float32)

如果 ddof=1

>>> with jnp.printoptions(precision=2, suppress=True):
...   print(jnp.nanstd(x, axis=0, keepdims=True, ddof=1))
[[0.71 0.71 1.41 1.41]]

要包含数组的特定元素来计算标准差，您可以使用 where。

>>> where=jnp.array([[1, 0, 1, 0],
...                  [0, 1, 0, 1],
...                  [1, 1, 0, 1]], dtype=bool)
>>> jnp.nanstd(x, axis=0, keepdims=True, where=where)
Array([[0.5, 0.5, 0. , 0. ]], dtype=float32)