上一主题

numpy.std

下一主题

numpy.nanmedian

numpy.var

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

计算沿指定轴的方差。

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。

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:无或int或tuple ints,可选

计算方差的轴或轴。默认值是计算展平数组的方差。

如果这是一个ints的元组,则在多个轴上执行方差,而不是如前所述的单个轴或所有轴。

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表示元素的数量。默认情况下,ddof为零。

keepdims:bool,可选

如果设置为True,则缩小的轴将作为尺寸为1的尺寸留在结果中。使用此选项,结果将相对于原始arr正确广播。

如果传递默认值,则keepdims将不会传递到ndarray的子类的var方法,默认值为。如果子类sum方法不实现keepdims,则会引发任何异常。

返回:

方差:ndarray,请参阅上面的dtype参数

如果out=None,则返回包含方差的新数组;否则返回对输出数组的引用。

也可以看看

stdmeannanmeannanstdnanvar

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。

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])

在单精度中,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
>>> ((1-0.55)**2 + (0.1-0.55)**2)/2
0.2025