scipy.ndimage.

standard_deviation#

scipy.ndimage.standard_deviation(входные данные, метки=None, index=None)[источник]#

Вычислить стандартное отклонение значений N-мерного массива изображения, опционально в указанных подобластях.

Параметры:

входные данныеarray_like: N-мерные данные изображения для обработки.
меткиarray_like, необязательный: Метки для идентификации подобластей в входные данные. Если не None, должен иметь ту же форму, что и входные данные.
indexint или последовательность ints, необязательно: метки включить в вывод. Если None (по умолчанию), все значения, где метки используются ненулевые значения.

Возвращает:

standard_deviationfloat или ndarray: Значения стандартного отклонения для каждой подобласти, если метки и index указаны.

Смотрите также

label, variance, maximum, minimum, extrema

Примеры

>>> import numpy as np
>>> a = np.array([[1, 2, 0, 0],
...               [5, 3, 0, 4],
...               [0, 0, 0, 7],
...               [9, 3, 0, 0]])
>>> from scipy import ndimage
>>> ndimage.standard_deviation(a)
2.7585095613392387

Обрабатываемые признаки могут быть указаны с помощью метки и index:

>>> lbl, nlbl = ndimage.label(a)
>>> ndimage.standard_deviation(a, lbl, index=np.arange(1, nlbl+1))
array([ 1.479,  1.5  ,  3.   ])

Если индекс не задан, ненулевые метки обрабатываются:

>>> ndimage.standard_deviation(a, lbl)
2.4874685927665499