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