numpy.nanvar#

numpy.nanvar(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>, *, where=<no value>, mean=<no value>, correction=<no value>)[source]#

计算指定轴上的方差，同时忽略 NaN 值。

返回数组元素的方差，这是衡量分布离散程度的指标。默认情况下，方差是针对展平的数组计算的；否则，则沿指定轴计算。

对于全部为 NaN 的切片或自由度为零的切片，返回 NaN 并引发 RuntimeWarning。

参数：

a类数组对象: 包含所需方差的数字数组。如果 a 不是数组，则尝试进行转换。
axis{int, int 元组, None}, 可选: 计算方差的轴或多个轴。默认是计算展平数组的方差。
dtype数据类型, 可选: 计算方差时使用的数据类型。对于整数类型的数组，默认值为 float64；对于浮点类型的数组，则与数组类型相同。
outndarray, 可选: 用于放置结果的备用输出数组。它必须与预期输出具有相同的形状，但必要时会进行类型转换。
ddof{int, float}, 可选: “自由度增量”：计算中使用的除数是 N - ddof，其中 N 表示非 NaN 元素的数量。默认情况下，ddof 为零。
keepdimsbool, 可选: 如果设置为 `True`，则被缩减的轴将作为大小为一的维度保留在结果中。使用此选项，结果将与原始 a 正确广播。
where类布尔数组, 可选: 要包含在方差中的元素。有关详细信息，请参阅 reduce。

1.22.0 版本新增。
mean类数组对象, 可选: 提供均值以避免重新计算。均值应具有如同使用 keepdims=True 计算出的形状。计算均值的轴应与调用此方差函数时使用的轴相同。

2.0.0 版本新增。
correction{int, float}, 可选: ddof 参数的数组 API 兼容名称。两者只能同时提供一个。

2.0.0 版本新增。

返回：

variancendarray, 参见上文 dtype 参数: 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` 大于等于切片中非 NaN 元素的数量，或切片仅包含 NaN，则该切片的结果为 NaN。

另请参阅

std: 标准差
mean: 平均值
var: 不忽略 NaN 时的方差
nanstd, nanmean
输出类型确定

备注

方差是与均值偏差的平方的平均值，即 var = mean(abs(x - x.mean())**2)。

均值通常计算为 x.sum() / N，其中 N = len(x)。但是，如果指定了 ddof，则使用除数 N - ddof。在标准统计实践中，ddof=1 提供了假设无限总体的方差的无偏估计量。ddof=0 提供了正态分布变量方差的最大似然估计。

请注意，对于复数，在平方之前会取绝对值，因此结果始终是实数且非负数。

对于浮点输入，方差使用与输入相同的精度计算。根据输入数据，这可能导致结果不准确，特别是对于 float32（参见下面的示例）。使用 dtype 关键字指定更高精度的累加器可以缓解此问题。

要使此函数对 ndarray 的子类起作用，它们必须定义带 keepdims 关键字参数的 sum 函数。

示例

>>> import numpy as np
>>> 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