numpy.nanvar

numpy.nanvar(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<class numpy._globals._NoValue>)

计算沿指定轴的方差，而忽略NaN。

返回数组元素的方差，衡量分布的扩展。默认情况下为展开的数组计算方差，否则在指定的轴上。

对于具有零自由度的所有NaN切片或切片，返回NaN并且提高RuntimeWarning。

版本1.8.0中的新功能。

参数：

a：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。

axis：int，可选

计算方差的轴。默认值是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float32；对于float类型的数组，它与数组类型相同。

out：ndarray，可选

备用输出放置结果的数组。它必须具有与预期输出相同的形状，但是如果必要，将类型转换。

ddof：int，可选

“Delta Degrees of Freedom”：在计算中使用的除数是N - ddof，其中N默认情况下，ddof为零。

keepdims：bool，可选

如果设置为True，则缩小的轴在结果中保留为尺寸为1的尺寸。使用此选项，结果将与原始a正确地广播。

返回：

方差：ndarray，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，否则返回对输出数组的引用。如果ddof> =切片中的非NaN元素的数目或切片仅包含NaN，则该切片的结果为NaN。

也可以看看

std

标准偏差

mean

平均

var

方差而不忽略NaN

nanstd，nanmean

numpy.doc.ufuncs

节“输出参数”

笔记

The variance is the average of the squared deviations from the mean, i.e., var = mean(abs(x - x.mean())**2).

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

请注意，对于复数，绝对值在平方之前进行，因此结果始终为实数和非负数。

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

对于该函数对ndarray的子​​类进行操作，它们必须使用kwarg keepdims定义sum

例子

>>> a = np.array([[1, np.nan], [3, 4]])
>>> np.var(a)
1.5555555555555554
>>> np.nanvar(a, axis=0)
array([ 1.,  0.])
>>> np.nanvar(a, axis=1)
array([ 0.,  0.25])