NumPy函数np. std接受一个可选参数ddof：“Delta De的自由度”。默认情况下，这是0。将其设置为1以获得MATLAB结果：

>>> np.std([1,3,4,6], ddof=1)
2.0816659994661326

为了添加更多上下文，在计算方差（均方差为平方根）时，我们通常除以我们拥有的值的数量。

但是如果我们从更大的分布中选择一个N元素的随机样本并计算方差，被N除以可能会导致低估实际方差。为了解决这个问题，我们可以将我们除以的数字（自由度）降低到小于N（通常是N-1）的数字。ddof参数允许我们按我们指定的量更改除数。

除非另有说明，否则NumPy将计算方差的有偏估计量（ddof=0，除以N）。如果您使用的是整个分布（而不是从更大的分布中随机挑选的值子集），这就是您想要的。如果给出ddof参数，NumPy将除以N-ddof。

MATLAB的std的默认行为是通过除以N-1来纠正样本方差的偏差。这消除了均方差中的一些（但可能不是全部）偏差。如果您在较大分布的随机样本上使用该函数，这可能是您想要的。

@hbaderts给出了更详细的数学答案。

均方差是方差的平方根。随机变量X的方差定义为

因此，差异的估计数将是

如果您随机选择样本并估计样本均值和方差，则必须使用校正（无偏）估计器

现在默认情况下，MATLABsstd使用修正项n-1计算无偏估计量。然而NumPy（正如@ajcr所解释的）默认情况下计算没有修正项的有偏估计量。参数ddof允许设置任何修正项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，它指定“加权方案”。默认值w=0产生校正项n-1（无偏估计量），而对于w=1，只有n用作校正项（有偏估计量）。

对于那些不擅长统计的人来说，一个简单的指南是：

>