numpy.nanvar

numpy.nanvar(a, axis=None, dtype=None, out=None, ddof=0, keepdims=False) [source]

Вычислить дисперсию по указанной оси, игнорируя значения NaN.

Возвращает дисперсию элементов массива, мера разброса распределения. Дисперсия вычисляется для уплощенного массива по умолчанию, в противном случае по указанной оси.

Для всех фрагментов NaN или фрагментов с нулевой степенью свободы возвращается NaN и поднимается RuntimeWarning.

Добавлена в версии 1.8.0.

Параметры:

a : array_like Массив, содержащий числа, дисперсия которых требуется. Если a не является массивом, выполняется попытка преобразования. axis : int, необязательно Ось, по которой вычисляется дисперсия. По умолчанию вычисляется дисперсия уплощенного массива. dtype : тип данных, необязательно Тип, используемый при вычислении дисперсии. Для массивов целочисленного типа значение по умолчанию — float32; для массивов с плавающей точкой — такой же, как у массива. out : ndarray, необязательно Альтернативный массив вывода, в который помещается результат. Он должен иметь ту же форму, что и ожидаемый результат, но тип преобразуется при необходимости. ddof : int, необязательно «Delta Degrees of Freedom»: делитель, используемый в расчёте, равен N - ddof, где N представляет количество элементов без NaN. По умолчанию ddof равно нулю. keepdims : bool, необязательно Если установлено в True, оси, по которым выполняется сокращение, сохраняются в результате как размерности с размером один. С этим параметром результат корректно транслируется относительно исходного arr.

Возвращает:

variance : ndarray, см. параметр dtype выше Если out равно None, возвращается новый массив, содержащий дисперсию; в противном случае возвращается ссылка на выходной массив. Если ddof ≥ количество элементов без NaN в срезе или срез содержит только NaN, то результат для этого среза будет NaN.

См. также

std

Среднее квадратическое отклонение

mean

Среднее значение

var

Дисперсия без игнорирования NaN

nanstd, nanmean

numpy.doc.ufuncs

Раздел «Аргументы вывода»

Примечания

Дисперсия — это среднее значение квадратов отклонений от среднего значения, т.е., var = mean(abs(x - x.mean())**2).

Среднее значение обычно вычисляется как x.sum() / N, где N = len(x). Однако, если ddof указан, вместо этого используется делитель N - ddof. В стандартной статистической практике ddof=1 предоставляет несмещённую оценку дисперсии гипотетической бесконечной популяции. ddof=0 предоставляет оценку максимального правдоподобия дисперсии для нормально распределённых переменных.

Обратите внимание, что для комплексных чисел перед возведением в квадрат берётся абсолютное значение, чтобы результат всегда был действительным и неотрицательным.

Для чисел с плавающей точкой дисперсия вычисляется с той же точностью, что и входные данные. В зависимости от входных данных это может привести к неточным результатам, особенно для float32 (см. пример ниже). Использование аккумулятора с большей точностью с помощью ключевого слова dtype может решить эту проблему.

Примеры

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