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 - ddof
N
- 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。
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() / N
N = len(x)
N - ddof
ddof=1
ddof=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