Python statistics.variance用法及代码示例

用法: statistics.variance(data, xbar=None)

返回 data 的样本方差，它是至少两个实数值的可迭代对象。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 xbar，它应该是 data 的平均值。如果缺少或None(默认)，则自动计算平均值。

当您的数据是来自总体的样本时，请使用此函数。要计算整个总体的方差，请参阅pvariance()。

如果 data 的值少于两个，则引发 StatisticsError。

例子：

>>> data = [2.75, 1.75, 1.25, 0.25, 0.5, 1.25, 3.5]
>>> variance(data)
1.3720238095238095

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 xbar 传递以避免重新计算：

>>> m = mean(data)
>>> variance(data, m)
1.3720238095238095

此函数不会尝试验证您是否已通过 xbar 的实际平均值。对xbar 使用任意值可能会导致无效或不可能的结果。

支持小数和分数值：

>>> from decimal import Decimal as D
>>> variance([D("27.5"), D("30.25"), D("30.25"), D("34.5"), D("41.75")])
Decimal('31.01875')

>>> from fractions import Fraction as F
>>> variance([F(1, 6), F(1, 2), F(5, 3)])
Fraction(67, 108)

注意

这是贝塞尔校正后的样本方差 s²，也称为 N-1 自由度的方差。如果数据点具有代表性(例如独立且同分布)，则结果应该是对真实总体方差的无偏估计。

如果您以某种方式知道实际总体平均值 μ，则应将其作为 mu 参数传递给 pvariance() 函数以获取样本的方差。

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.variance。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。