numpy.var #
- 麻木的。var ( 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。
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。
- 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无或整数或整数元组，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。
1.7.0 版本中的新增内容。
如果这是一个整数元组，则在多个轴上执行方差，而不是像以前那样在单个轴或所有轴上执行方差。
- 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自由度”：计算中使用的除数是 ，其中代表元素的数量。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，结果将针对输入数组正确广播。
如果传递默认值，则keepdims将不会传递到
var的子类的方法ndarray，但任何非默认值都会传递。如果子类的方法没有实现keepdims，则会引发任何异常。- 其中array_like of bool，可选
要包含在方差中的元素。
reduce详情请参阅。1.20.0 版本中的新增功能。
- 返回：
- 方差ndarray，参见上面的 dtype 参数
如果
out=None，则返回包含方差的新数组；否则，返回对输出数组的引用。
笔记
方差是与平均值的偏差平方的平均值，即 ， 其中。
var = mean(x)x = abs(a - a.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。例子
>>> a = np.array([[1, 2], [3, 4]]) >>> np.var(a) 1.25 >>> np.var(a, axis=0) array([1., 1.]) >>> np.var(a, axis=1) array([0.25, 0.25])
在单精度下，var() 可能不准确：
>>> a = np.zeros((2, 512*512), dtype=np.float32) >>> a[0, :] = 1.0 >>> a[1, :] = 0.1 >>> np.var(a) 0.20250003
计算 float64 中的方差更准确：
>>> np.var(a, dtype=np.float64) 0.20249999932944759 # may vary >>> ((1-0.55)**2 + (0.1-0.55)**2)/2 0.2025
指定 where 参数：
>>> a = np.array([[14, 8, 11, 10], [7, 9, 10, 11], [10, 15, 5, 10]]) >>> np.var(a) 6.833333333333333 # may vary >>> np.var(a, where=[[True], [True], [False]]) 4.0