numpy.nanvar¶
-
numpy.
nanvar
(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<class numpy._globals._NoValue>)[source]¶ 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。
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])