NumPy参考 >例行程序 >Statistics > numpy.nanvar
numpy.nanvar（a，axis = None，dtype = None，out = None，ddof = 0，keepdims = <无值> ）[源代码] ¶沿指定轴计算方差，而忽略NaN。
返回数组元素的方差，即分布分布的度量。默认情况下，将为展平的数组计算方差，否则将在指定的轴上计算方差。
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版中的新功能。
包含需要方差的数字的数组。如果a不是数组，则尝试进行转换。
计算方差的一个或多个轴。默认值是计算展平数组的方差。
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float类型的数组，它与数组类型相同。
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，但如有必要，可以强制转换类型。
“自由度增量”：计算中使用的除数为
，其中表示非NaN元素的数量。默认情况下，ddof为零。N - ddofN
如果将其设置为True，则缩小的轴将保留为尺寸1的尺寸。使用此选项，结果将相对于原始a正确广播。
如果out为None，则返回一个包含方差的新数组，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，或者该切片仅包含NaN，则该切片的结果为NaN。
笔记
方差是与平均值的平方偏差的平均值，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。在标准的统计实践中，提供了一个假设的无限总体方差的无偏估计量。 提供正态分布变量的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，绝对值是在平方之前获取的，因此结果始终是实数且非负数。
对于浮点输入，使用与输入相同的精度来计算方差。根据输入数据，这可能导致结果不准确，尤其是对于float32（参见下面的示例）。使用dtype
关键字指定精度更高的累加器可以缓解此问题。
为了使此功能能够在ndarray的子类上运行，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