ZeroDivisionError：计算标准偏差时浮点除零

Question

我已经在我的脚本中发现了一个问题，即由于尝试使用scipy的.tstd函数进行标准差计算，

 sp.stats.tstd(IR)

我的IR值是0.0979。有没有办法让它停止（我假设）将其舍入为零？我已经尝试过上一个stackoverflow帖子的建议，建议将号码称为np.float64，但这不起作用。希望有人有答案。

完整错误打印输出：

    Traceback (most recent call last):
  File "Utt_test.py", line 995, in <module>
    X.write(Averaging())
  File "Utt_test.py", line 115, in Averaging
    IR_sdev=str(round(sp.stats.tstd(IR),4))
  File "/usr/lib64/python2.7/site-packages/scipy/stats/stats.py", line 848, in tstd
    return np.sqrt(tvar(a,limits,inclusive))
  File "/usr/lib64/python2.7/site-packages/scipy/stats/stats.py", line 755, in tvar
    return a.var()*(n/(n-1.))
ZeroDivisionError: float division by zero

Answer 1

方法tstd计算样本方差的平方根。样本方差与种群方差的不同之处在于因子n/(n-1)，这是使样本方差成为种群方差的无偏估计所必需的。这分解为n = 1，这是可以理解的，因为有一个数字使我们不知道人口方差可能是什么。

如果这种调整是不合需要的（也许你的数组是总人口，而不是来自它的样本），请改用numpy.std。对于大小为1的数组，它将按预期返回0。如果与参数ddof = 1一起使用，则numpy.std等同于stats.tstd。

---

Asie：SciPy's documentation说

tstd计算无偏样本标准差，即它使用校正因子n /（n-1）。

重复这个标准误差估计器是无偏的常见误解（实际上，校正因子消除了方差的偏差，而不是标准偏差）。 NumPy's std documentation在讨论ddof参数的这一点上证明是正确的

但是，如果指定了ddof，则使用除数N - ddof。在标准统计实践中，ddof = 1提供了无穷大群体方差的无偏估计。 ddof = 0提供正态分布变量的方差的最大似然估计。在此函数中计算的标准差是估计方差的平方根，因此即使ddof = 1，它也不会是标准偏差本身的无偏估计。