Python statistics.pvariance用法及代碼示例

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

返回 data 的總體方差，非空序列或實數值的可迭代。方差或均值的二階矩是對數據可變性(分布或分散)的度量。較大的方差表明數據分散；一個小的方差表明它緊密地聚集在平均值附近。

如果給出了可選的第二個參數 mu，它通常是 data 的平均值。它還可用於計算非均值點周圍的二階矩。如果缺少或None(默認)，則自動計算算術平均值。

使用此函數計算整個總體的方差。要估計樣本的方差，variance() 函數通常是更好的選擇。

如果 data 為空，則引發 StatisticsError。

例子：

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

如果您已經計算了數據的平均值，則可以將其作為可選的第二個參數 mu 傳遞以避免重新計算：

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

支持小數和分數：

>>> 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

當與整個總體一起調用時，這會給出總體方差 σ²。當調用一個樣本時，這是有偏差的樣本方差 s²，也稱為 N 自由度的方差。

如果您以某種方式知道真實總體均值 μ，則可以使用此函數計算樣本的方差，將已知總體均值作為第二個參數。如果數據點是總體的隨機樣本，則結果將是總體方差的無偏估計。

相關用法

注：本文由純淨天空篩選整理自python.org大神的英文原創作品 statistics.pvariance。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。