Python计算标准差之numpy.std和torch.std的区别

输入：

课本中的标准差计算公式：

Numpy中的std计算：

Torch中的std计算：

附：贝塞尔校正

总结：

输入：

[1.0000, -1.0000, 3.0000]

课本中的标准差计算公式：

按照上述公式计算：

Numpy中的std计算：

import numpy as np
tm = np.array([1.0000, -1.0000, 3.0000])
ddd = np.std(tm)
print(ddd)

1.632993161855452

可以看出Numpy中的计算结果与课本中的公式计算出来的结果是一致的。

Torch中的std计算：

tm = torch.tensor([1.0000, -1.0000, 3.0000])
ddd = torch.std(tm)
print(ddd)

tensor(2.)

计算出来的结果是2，与Numpy中的计算结果是不相同的。

查看torch.std的参数：

torch.std默认设置了unbiased=True。此时计算标准差的公式则使用贝塞尔校正 的方法：

可以看出贝塞尔校正的标准差最后除以n - 1。

可以看出确实计算出来的结果是2.

至于为何使用n-1，这里不做过多介绍，建议参考：贝塞尔校正。

附：贝塞尔校正

贝塞尔校正，指的是样本方差前面的系数1/n-1

这就是这个系数的原理

注：设置torch.std中的unbiased=False，则与Numpy中的std的结果相同的。

总结：

Numpy中的std计算与课本中的计算方式相同，都是除的是样本数量n。

Torch中的std计算默认使用的是unbiased=True即贝塞尔校正，除的是样本数量n-1。