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]#

计算沿指定轴的方差,同时忽略 NaN.

返回数组元素的方差,方差是分布离散程度的度量.默认情况下,方差是针对扁平化数组计算的,否则是针对指定的轴计算的.

对于全 NaN 切片或自由度为零的切片,将返回 NaN 并引发 RuntimeWarning .

参数:
aarray_like

包含要计算方差的数字的数组.如果 a 不是数组,则会尝试转换.

axis{int, tuple of int, None}, optional

计算方差的轴或多个轴.默认值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

用于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,但如果需要,类型会被强制转换.

ddof{int, float}, 可选

“自由度增量”: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,则缩减的轴将作为大小为 1 的维度保留在结果中.使用此选项,结果将针对原始 a 正确广播.

wherebool 的类数组对象,可选

要包含在方差中的元素. 有关详细信息,请参见 reduce .

在 1.22.0 版本加入.

meanarray_like, optional

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. 均值的计算轴应与此 var 函数调用中使用的轴相同.

在 2.0.0 版本加入.

correction{int, float}, 可选

与数组 API 兼容的 ddof 参数名称. 它们中只能提供一个.

在 2.0.0 版本加入.

返回:
variancendarray,请参见上面的 dtype 参数

如果 out 为 None,则返回包含方差的新数组,否则返回对输出数组的引用.如果 ddof >= 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.

参见

std

标准差

mean

平均值

var

方差(不忽略 NaN)

nanstd , nanmean
输出类型确定

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 ,则改为使用除数 N - ddof .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方差的最大似然估计.

请注意,对于复数而言,绝对值会在求平方之前被计算,因此结果始终是实数和非负数.

对于浮点型输入,variance 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
当前页面