python3.2中没有求预置标准差的函数，只能挂载外库或者自己写一个
网站设计、成都网站建设服务团队是一支充满着热情的团队，执着、敏锐、追求更好，是创新互联的标准与要求，同时竭诚为客户提供服务是我们的理念。创新互联公司把每个网站当做一个产品来开发，精雕细琢，追求一名工匠心中的细致，我们更用心！
不需任何外库
#样本标准差
def
stdDeviation(a):
l=len(a)
m=sum(a)/l
d=0
for
i
in
a:
d+=(i-m)**2
return
(d*(1/l))**0.5
a=[5,6,8,9]
print(stdDeviation(a))
========
1.5811388300841898
std()函数就是初高中学的标准差 numpy.std()
求标准差的时候默认是除以 n 的,即是有偏的,np.std无偏样本标准差方式为加入参数 ddof = 1
首先，普及一下pandas与numpy的区别：
pandas操作的数据集是Series，本质上是列表与字典的混合，常用的数据形式为DataFrame；
numpy操作的数据集是数组或矩阵。
1、对数组求均值、方差、标准差
2、对矩阵求标准差
注意：在求标准差时需要注意几个问题：
1、在统计学中，标准差分为两种：
（1）总体标准差：标准差公式根号内除以n，是有偏的。
（2）样本标准差：标准差公式根号内除以n-1，是无偏的。
2、pandas与numpy在计算标准差时的区别
（1）numpy
在numpy中计算标准差时，括号内要指定ddof的值，ddof表示自由度，当ddof=0时计算的是总体标准差；当ddof=1时计算的是样本标准差，当不为ddof设置值时，其默认为总体标准差。
（2）pandas
在使用pandas计算标准差时，其与numpy的默认情况是相反的，在默认情况下，pandas计算的标准差为样本标准差。
numpy计算平均数 标准差 相关系数等基本知识
NumPy 是python 语言的一个第三方库，其支持大量高维度数组与矩阵运算。此外，NumPy 也针对数组运算提供大量的数学函数。
#导入Numpy库，并命名为np
import numpy as np
#创建一维数组
a = np.array([1, 2, 3])
# NumPy可以很方便地创建连续数组，比如我使用arange或linspace函数进行创建：
b = np.arange(1,5,1) // 返回一个有终点和起点、固定步长的排列，如起点是1，终点是4，步长为1，即【1,2,3,4】，
c = np.linspace(1,9,5) 返回一个有终点和起点、元素个数的的排列，如起点是1，终点是9，元素个数为5,即【1,3,5,7,9】
#通过NumPy可以自由地创建等差数组，同时也可以进行加、减、乘、除、求n次方和取余数。
求和：np.sum(a)
求取平均值：np.mean(a)
求取中位数：np.median(a)
求取加权平均数：np.average(a)
求取方差：var() np.var(a)
求取最小值：np.amin(a)
求取最大值：np.amax(a)
将两个数相加：np.add(x1, x2)
将两个数相减：np.subtract(x1, x2)
将两个数相乘：np.multiply(x1, x2)
将两个数相除：np.divide(x1, x2)
立方：np.power(x1, x2)
除余：np.remainder(x1, x2)
相关系数计算：np.corrcoef(a1, a2) (a1、a2都是矩阵)
def fangcha(): a=float(raw_input("请输入a:")) b=float(raw_input("请输入b:")) c=float(raw_input("请输入C:")) d=(a+b+c)/3.0 e=((a-d)**2+(b-d)**2+(c-d)**2)/3.0 print "平均数是:%f方差是：%f" %(d,e) fangcha() Python2.7可用
standard deviation:标准差 ，也称均方差(mean square error)，是各数据偏离平均数的距离的平均数，它是离均差平方和平均后的方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的，标准差未必相同。
mean deviation:平均偏差是指单项测定值与平均值的偏差(取绝对值)之和，除以测定次数。它是代表一组测量值中任意数值的偏差。所以平均偏差不计正负。
