numpy.var_NumPy中文网

numpy.var（a，axis = None，dtype = None，out = None，ddof = 0，keepdims = <无值> ）[源代码] ¶

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，将为展平的数组计算方差，否则将在指定的轴上计算方差。

参量

一个array_like

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。

轴无或整数或整数元组，可选

计算方差的一个或多个轴。默认值是计算展平数组的方差。

1.7.0版中的新功能。

如果这是一个整数元组，那么将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

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。

out ndarray，可选

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。

ddof int，可选

“自由度增量”：计算中使用的除数为，其中表示元素数。默认情况下，ddof为零。N - ddofN

keepdims bool，可选

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，结果将针对输入数组正确广播。

如果传递了默认值，则keepdims不会传递给的var子类的方法 ndarray，但是任何非默认值都将传递。如果子类的方法未实现keepdims，则将引发任何异常。

退货

方差ndarray，请参见上面的dtype参数: 如果为out=None，则返回一个包含方差的新数组；否则为false。否则，返回对输出数组的引用。

也可以看看

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。

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])

以单精度形式，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