我尝试将matlab代码转换为numpy，并发现numpy与std函数的结果不同。

在MATLAB中

以numpy

这正常吗？而我应该如何处理呢？

NumPy函数np.std采用可选参数ddof："自由度增量"。默认情况下，这是0。将其设置为1以获得MATLAB结果：

要添加更多上下文，在计算方差(标准差为平方根)时，通常将其除以我们拥有的值的数量。

但是，如果我们从较大的分布中随机选择N个元素的样本并计算方差，则将N除以会导致实际方差的低估。为了解决这个问题，我们可以将除以(自由度)的数字降低到小于N(通常是N-1)的数字。 ddof参数允许我们按指定的数量更改除数。

除非另有说明，否则NumPy将计算方差(ddof=0除以N)的有偏估计量。如果要使用整个分布(而不是从较大的分布中随机选择的值的子集)，这就是您想要的。如果给出了ddof参数，则NumPy会除以N - ddof。

MATLAB std的默认行为是通过除以N-1来校正样本方差的偏差。这消除了标准偏差中的某些(但可能不是全部)偏差。如果您是在较大分布的随机样本上使用该函数，则可能正是您想要的。

@hbaderts的不错回答给出了进一步的数学细节。

标准偏差是方差的平方根。随机变量X的方差定义为

方差的估算器因此为

，可以证明该估计量不收敛到实际方差，而是收敛到

也称为贝塞尔校正。

现在默认情况下，MATLABs std使用校正项N-1计算无偏估计量。但是，NumPy(如@ajcr所述)默认情况下计算不带校正项的有偏估计量。参数ddof允许设置任何校正项n-ddof。通过将其设置为1，您将获得与MATLAB中相同的结果。

类似地，MATLAB允许添加第二个参数w，该参数指定"称重方案"。默认值w=0导致校正项N-1(无偏估计量)，而对于w=1，仅n被用作校正项(有偏估计量)。

对于不擅长统计的人们，一个简单的指南是：

• 如果要计算从完整数据集中获取的样本的np.std()，请包含ddof=1。

• 如果要为整个人口

  计算np.std()，请确保ddof=0

样本中包含DDOF，以抵消可能出现在数字中的偏差。