Python numpy nanvar用法及代碼示例

本文簡要介紹 python 語言中 numpy.nanvar 的用法。

用法:

numpy.nanvar(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>, *, where=<no value>)

計算沿指定軸的方差，同時忽略 NaN。

返回數組元素的方差，即分布分布的度量。默認情況下為展平數組計算方差，否則在指定軸上計算。

對於all-NaN切片或自由度為零的切片，返回NaN並引發RuntimeWarning。

參數：

a： array_like

包含需要方差的數字的數組。如果 a 不是數組，則嘗試轉換。

axis： {int，int 元組，無}，可選

計算方差的一個或多個軸。默認是計算展平數組的方差。

dtype： 數據類型，可選

用於計算方差的類型。對於整數類型的數組，默認值為 float64 ；對於浮點類型的數組，它與數組類型相同。

out： ndarray，可選

用於放置結果的備用輸出數組。它必須具有與預期輸出相同的形狀，但如果需要，類型會被強製轉換。

ddof： 整數，可選

“自由度三角洲”：計算中使用的除數是N - ddof，其中N表示非 NaN 元素的數量。默認情況下ddof為零。

keepdims： 布爾型，可選

如果將其設置為 True，則縮小的軸將作為尺寸為 1 的尺寸留在結果中。使用此選項，結果將針對原始 a 正確廣播。

where： 類似於 bool 的數組，可選

要包含在差異中的元素。有關詳細信息，請參閱 reduce 。

返回：

variance： ndarray，見上麵的 dtype 參數

如果 out 為 None，則返回一個包含方差的新數組，否則返回對輸出數組的引用。如果 ddof >= 切片中非 NaN 元素的數量或切片僅包含 NaN，則該切片的結果為 NaN。

注意：

方差是與平均值的平方偏差的平均值，即 var = mean(abs(x - x.mean())**2) 。

平均值通常計算為x.sum() / N，其中N = len(x).然而，如果，ddof被指定，除數N - ddof改為使用。在標準統計實踐中，ddof=1提供了假設無限總體方差的無偏估計量。ddof=0提供正態分布變量的方差的最大似然估計。

請注意，對於複數，在平方之前取絕對值，因此結果始終為實數且非負數。

對於浮點輸入，使用與輸入相同的精度計算方差。根據輸入數據，這可能會導致結果不準確，尤其是對於 float32 (參見下麵的示例)。使用 dtype 關鍵字指定 higher-accuracy 累加器可以緩解此問題。

為了讓這個函數在 ndarray 的子類上工作，它們必須定義numpy.sum與誇格保持昏暗

例子：

>>> a = np.array([[1, np.nan], [3, 4]])
>>> np.nanvar(a)
1.5555555555555554
>>> np.nanvar(a, axis=0)
array([1.,  0.])
>>> np.nanvar(a, axis=1)
array([0.,  0.25])  # may vary