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>)[源代码]#

沿指定轴计算方差，同时忽略 NaN。

返回数组元素的方差，这是分布的离散程度的度量。默认情况下，方差是为展平的数组计算的，否则则沿指定的轴计算。

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

参数:
a类数组对象

需要计算方差的数字组成的数组。如果 a 不是数组，则会尝试进行转换。

axis{int, tuple of int, None}, optional

计算方差的轴。默认为计算展平数组的方差。

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；对于浮点类型数组，它与数组类型相同。

outndarray，可选

用于存放结果的备用输出数组。它必须与预期输出具有相同的形状，但类型可以根据需要进行转换。

ddof{int, float}，可选

“Delta Degrees of Freedom”（自由度差）：计算中的除数是 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，则缩减的轴将在结果中保留为大小为 1 的维度。使用此选项，结果将与原始 a 正确广播。

wherearray_like of bool，可选

包含在方差计算中的元素。有关详细信息，请参见 reduce。

New in version 1.22.0。

meanarray_like, optional

提供均值以避免重新计算。均值应具有计算 keepdims=True 时的形状。计算均值的轴应与调用此 var 函数时使用的轴相同。

版本 2.0.0 中新增。

correction{int, float}，可选

ddof 参数的 Array API 兼容名称。一次只能提供其中一个。

版本 2.0.0 中新增。

返回:
variancendarray，请参阅上面的 dtype 参数

如果 out 为 None，则返回包含方差的新数组，否则返回输出数组的引用。如果 ddof 大于或等于切片中的非 NaN 元素数量，或者切片仅包含 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 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。在标准的统计实践中，ddof=1 提供了对假设的无限总体方差的无偏估计。对于正态分布的变量，ddof=0 提供了方差的最大似然估计。

请注意，对于复数，在平方之前取绝对值，因此结果总是实数且非负。

对于浮点输入，方差使用输入相同的精度进行计算。根据输入数据，这可能导致结果不准确，尤其对于 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。

为了使此函数能在 ndarray 的子类上工作，它们必须定义具有 keepdims 参数的 sum。

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
在此页面