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
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。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