Python statistics.pvariance用法及代码示例

用法: statistics.pvariance(data, mu=None)

返回 data 的总体方差，非空序列或实数值的可迭代。方差或均值的二阶矩是对数据可变性(分布或分散)的度量。较大的方差表明数据分散；一个小的方差表明它紧密地聚集在平均值附近。

如果给出了可选的第二个参数 mu，它通常是 data 的平均值。它还可用于计算非均值点周围的二阶矩。如果缺少或None(默认)，则自动计算算术平均值。

使用此函数计算整个总体的方差。要估计样本的方差，variance() 函数通常是更好的选择。

如果 data 为空，则引发 StatisticsError。

例子：

>>> data = [0.0, 0.25, 0.25, 1.25, 1.5, 1.75, 2.75, 3.25]
>>> pvariance(data)
1.25

如果您已经计算了数据的平均值，则可以将其作为可选的第二个参数 mu 传递以避免重新计算：

>>> mu = mean(data)
>>> pvariance(data, mu)
1.25

支持小数和分数：

>>> from decimal import Decimal as D
>>> pvariance([D("27.5"), D("30.25"), D("30.25"), D("34.5"), D("41.75")])
Decimal('24.815')

>>> from fractions import Fraction as F
>>> pvariance([F(1, 4), F(5, 4), F(1, 2)])
Fraction(13, 72)

注意

当与整个总体一起调用时，这会给出总体方差 σ²。当调用一个样本时，这是有偏差的样本方差 s²，也称为 N 自由度的方差。

如果您以某种方式知道真实总体均值 μ，则可以使用此函数计算样本的方差，将已知总体均值作为第二个参数。如果数据点是总体的随机样本，则结果将是总体方差的无偏估计。

相关用法

注：本文由纯净天空筛选整理自python.org大神的英文原创作品 statistics.pvariance。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。