我們用Matlab作為對比。計算標準差，得到：

>> std([1,2,3])
ans =
     1

然而在numpy中：

>>> np.std([1,2,3])
0.81649658092772603

什麼鬼！這麼簡單的都能出錯？原因在於，np.std有這麼一個引數：

ddof : int, optional
Means Delta Degrees of Freedom. The divisor used in calculations is N - ddof, where N represents the number of elements. By default ddof is zero.

因此，想要正確呼叫，必須使ddof=1：

>>> np.std([1,2,3], ddof=1)
1.0

而且，這一特性還影響到了許多基於numpy的包。比如scikit-learn裡的StandardScaler。想要正確呼叫，只能自己手動設定引數：

ss = StandardScaler()
ss.mean_ = np.mean(X, axis=0)
ss.scale_ = np.std(X, axis=0, ddof=1)
X_norm = ss.transform(X)

當X資料量較大時無所謂，當X資料量較小時則要尤為注意。