numpy.var

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

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

std，mean，nanmean，nanstd，nanvar

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