Python statistics.variance用法及代碼示例

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

返回 data 的樣本方差，它是至少兩個實數值的可迭代對象。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 xbar，它應該是 data 的平均值。如果缺少或None(默認)，則自動計算平均值。

當您的數據是來自總體的樣本時，請使用此函數。要計算整個總體的方差，請參閱pvariance()。

如果 data 的值少於兩個，則引發 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 xbar 傳遞以避免重新計算：

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

此函數不會嘗試驗證您是否已通過 xbar 的實際平均值。對xbar 使用任意值可能會導致無效或不可能的結果。

支持小數和分數值：

>>> 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

這是貝塞爾校正後的樣本方差 s²，也稱為 N-1 自由度的方差。如果數據點具有代表性(例如獨立且同分布)，則結果應該是對真實總體方差的無偏估計。

如果您以某種方式知道實際總體平均值 μ，則應將其作為 mu 參數傳遞給 pvariance() 函數以獲取樣本的方差。

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.variance。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。