numpy.nanvar #

麻木的。nanvar ( a , axis=None , dtype=None , out=None , ddof=0 , keepdims=<无 值> , * , where=<无 值> ) [来源] #

计算沿指定轴的方差,同时忽略 NaN。

返回数组元素的方差,即分布分布的度量。默认情况下,计算展平数组的方差,否则计算指定轴上的方差。

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

1.8.0 版本中的新增功能。

参数
类似数组

包含需要方差的数字的数组。如果a不是数组,则尝试转换。

axis {int, int 元组, None}, 可选

计算方差所沿的一个或多个轴。默认值是计算展平数组的方差。

dtype数据类型,可选

计算方差时使用的类型。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。

输出ndarray,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,但必要时会强制转换类型。

ddof int,可选

“Delta Degrees of Freedom”:计算中使用的除数是 ,其中表示非 NaN 元素的数量。默认情况下ddof为零。N - ddofN

keepdims布尔值,可选

如果将此设置为 True,则缩小的轴将作为大小为 1 的维度保留在结果中。使用此选项,结果将根据原始a正确广播。

其中array_like of bool,可选

要包含在方差中的元素。reduce详情请参阅。

1.22.0 版本中的新增功能。

返回
方差ndarray,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 元素的数量或切片仅包含 NaN,则该切片的结果为 NaN。

也可以看看

std

标准差

mean

平均的

var

不忽略 NaN 时的方差

nanstd,nanmean
输出类型确定

笔记

方差是与平均值的偏差平方的平均值,即 。var = mean(abs(x - x.mean())**2)

平均值通常计算为, 其中。但是,如果指定了ddof ,则使用除数。在标准统计实践中,提供假设无限总体方差的无偏估计量。 提供正态分布变量方差的最大似然估计。x.sum() / NN = len(x)N - ddofddof=1ddof=0

请注意,对于复数,在平方之前取绝对值,因此结果始终为实数且非负。

对于浮点输入,方差是使用与输入相同的精度计算的。根据输入数据,这可能会导致结果不准确,尤其是float32(参见下面的示例)。使用关键字指定更高精度的累加器dtype 可以缓解这个问题。

为了使该函数在 ndarray 的子类上工作,它们必须 sum使用 kwarg keepdims进行定义

例子

>>> 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