np.mean()和np.std()默认展平数组计算标量结果；需显式指定axis控制维度方向，ddof=0为总体标准差、ddof=1为样本标准差；含nan时须用nanmean/nanstd；重复计算均值再求std效率低。
用 np.mean() 和 np.std() 计算多维数组的均值与标准差
默认情况下，np.mean() 和 np.std() 会把整个多维数组展平后计算标量结果。这不是错误，但容易误以为它按维度自动分组统计——实际必须显式指定 axis 参数才能控制计算方向。
- 不加
axis：返回单个数值，等价于arr.flatten().mean() -
axis=0：沿第 0 轴压缩，即对每一列（或最外层索引）求均值/标准差 -
axis=1：沿第 1 轴压缩，即对每一行求值（适用于二维） - 三维及以上数组，
axis可传入元组，如axis=(0, 2)同时压缩第 0 和第 2 轴
ddof 参数决定标准差是总体还是样本估计
np.std() 默认使用 ddof=0，即除以 N（总体标准差）；若要计算样本标准差（除以 N-1），必须显式设 ddof=1。这是统计学关键区别，但 NumPy 不会主动提醒你。
-
np.std(arr, ddof=0)→ σ，适合已知全量数据 -
np.std(arr, ddof=1)→ s，适合从样本推断总体 -
ddof对np.mean()无影响，仅作用于方差和标准差相关函数 - 若
arr沿某轴长度为 1，且ddof >= 1，会触发RuntimeWarning: invalid value encountered in double_scalars并返回nan
处理含 NaN 的数组必须用 nanmean/nanstd
普通 np.mean() 遇到 NaN 直接返回 nan，不会跳过。想忽略缺失值，得换用带 nan 前缀的版本，并注意它们也支持 axis 和 ddof。
Python 3.14.2
下载
Python 3.14.2是Python编程语言在2025年12月5日发布的稳定版本，属于3.14系列的第二个维护更新。该版本包含了18项修复，重点解决了多进程、数据类及正则表达式等模块的回归问题，并修复了CVE-2025-12084等安全漏洞。此版本标志着自由线程模式（移除GIL）正式获得官方支持，是Python发展的重要里程碑。
-
np.nanmean(arr, axis=1)会跳过每行中的NaN再求均值 -
np.nanstd(arr, ddof=1)同样跳过NaN，且自由度基于非NaN元素数量计算 - 没有
nan版本的np.var()？有，叫np.nanvar()，行为一致 - 若整行/整列全是
NaN，对应位置结果仍是nan
性能与内存：避免重复计算均值再传给 std()
np.std() 内部会先算一次均值，再算平方偏差。如果你已经调用过 np.mean()，又紧接着算 std()，等于重复遍历数组两次。对大数组来说，这不划算。
- 想复用均值：用
np.sqrt(np.mean((arr - mean_val) ** 2, axis=axis))手动实现 - 但注意，手动写法不支持
ddof自动调整，需自行改分母为len(non_nan_count) - ddof - 更稳妥的做法是直接用
np.std(arr, axis=axis, ddof=ddof)，除非你明确在 hot path 中做性能剖析并确认它是瓶颈
实际中，多数人卡在没设 axis 或混淆 ddof 含义；而 NaN 处理和性能优化属于进阶细节，一旦数据里出现缺失值或数组尺寸上 GB 级，这些点就立刻变成硬伤。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
