numpy.nanvar#
- numpy.nanvar(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>, *, where=<no value>, mean=<no value>, correction=<no value>)[源代码]#
计算指定轴上的方差,同时忽略 NaN.
返回数组元素的方差,它是分布离散程度的度量.默认情况下,方差是为扁平化数组计算的,否则是沿指定轴计算的.
对于全为 NaN 的切片或自由度为零的切片,将返回 NaN 并引发 RuntimeWarning .
- 参数:
- aarray_like
包含所需方差的数字的数组.如果 a 不是数组,则尝试进行转换.
- 轴{int, tuple of int, None}, optional
计算方差所沿的轴或多个轴. 默认是计算扁平化数组的方差.
- dtypedata-type,可选
用于计算方差的类型.对于整数类型的数组,默认值为
float64;对于浮点类型的数组,它与数组类型相同.- outndarray,可选
要在其中放置结果的备用输出数组.它必须具有与预期输出相同的形状,但必要时会强制转换类型.
- ddof{int, float}, 可选
“Delta 自由度”:计算中使用的除数是
N - ddof,其中N表示非 NaN 元素的数量. 默认情况下, ddof 为零.- keepdimsbool,可选
如果设置为 True,则将减少的轴保留在结果中,作为大小为 1 的维度. 使用此选项,结果将针对原始 a 正确广播.
- 其中array_like of bool,可选
要包含在方差中的元素.有关详细信息,请参阅
reduce.在 1.22.0 版本加入.
- 均值类数组,可选
提供均值以防止重新计算.均值应具有与使用
keepdims=True计算时相同的形状.均值计算的轴应与调用此 var 函数时使用的轴相同.在 2.0.0 版本加入.
- 修正{int, float}, 可选
ddof参数的 Array API 兼容名称. 它们只能同时提供一个.在 2.0.0 版本加入.
- 返回:
- 方差ndarray,请参见上面的 dtype 参数
如果 out 为 None,则返回一个包含方差的新数组,否则返回对输出数组的引用. 如果 ddof 大于或等于切片中非 NaN 元素的数量,或者切片仅包含 NaN,则该切片的结果为 NaN.
注释
方差是与平均值的平方偏差的平均值,即
var = mean(abs(x - x.mean())2).平均值通常计算为
x.sum() / N,其中N = len(x). 但是,如果指定了 ddof ,则使用除数N - ddof代替. 在标准统计实践中,ddof=1提供了假设无限总体的方差的无偏估计量.ddof=0提供了正态分布变量的方差的最大似然估计.请注意,对于复数,取绝对值后再平方,这样结果始终是实数和非负数.
对于浮点输入,方差的计算使用与输入相同的精度.根据输入数据,这可能会导致结果不准确,尤其是对于
float32(请参见下面的示例).使用dtype关键字指定更高精度的累加器可以缓解此问题.为了使此函数适用于 ndarray 的子类,它们必须定义带有 kwarg keepdims 的
sum示例
>>> import numpy as np >>> a = np.array([[1, np.nan], [3, 4]]) >>> np.nanvar(a) 1.5555555555555554 >>> np.nanvar(a, axis=0) array([1., 0.]) >>> np.nanvar(a, axis=1) array([0., 0.25]) # may vary