numpy.ma.var

numpy.ma.var(self, axis=None, dtype=None, out=None, ddof=0) =

Вычислить дисперсию по указанной оси.

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

Параметры:

a : array_like Массив, содержащий числа, дисперсия которых требуется. Если a не является массивом, производится попытка преобразования. axis : None или int или кортеж из целых чисел, необязательно Ось или оси, по которым вычисляется дисперсия. По умолчанию вычисляется дисперсия сплющенного массива. Если это кортеж из целых чисел, дисперсия вычисляется по нескольким осям, а не по одной оси или по всем осям, как раньше. dtype : тип данных, необязательно Тип, используемый при вычислении дисперсии. Для массивов целого типа значение по умолчанию — float32; для массивов с плавающей точкой — такой же, как тип массива. out : ndarray, необязательно Альтернативный выходной массив, в который поместить результат. Он должен иметь такую же форму, как ожидаемый результат, но тип преобразуется при необходимости. ddof : int, необязательно «Delta Degrees of Freedom»: делитель, используемый при вычислении, равен N - ddof, где N представляет количество элементов. По умолчанию ddof равно нулю. keepdims : bool, необязательно Если установлено в True, оси, по которым производится свёртка, сохраняются в результате в качестве измерений с размером один. С этим параметром результат будет корректно транслироваться по отношению к исходному arr.

Возвращает:

variance : ndarray, см. параметр dtype выше Если out=None, возвращает новый массив, содержащий дисперсию; в противном случае возвращается ссылка на выходной массив.

См. также

std, mean, nanmean, nanstd, nanvar

numpy.doc.ufuncs

Раздел «Выходные аргументы»

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 указано ddof, в качестве делителя используется N - ddof. В стандартной статистической практике ddof=1 обеспечивает несмещённую оценку дисперсии гипотетической бесконечной совокупности. ddof=0 обеспечивает оценку максимального правдоподобия дисперсии для нормально распределённых переменных.

Обратите внимание, что для комплексных чисел перед возведением в квадрат берется абсолютное значение, так что результат всегда вещественный и неотрицательный.

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

Примеры

>>> a = np.array([[1, 2], [3, 4]])
>>> np.var(a)
1.25
>>> np.var(a, axis=0)
array([ 1.,  1.])
>>> np.var(a, axis=1)
array([ 0.25,  0.25])

В одинарной точности var() может быть неточным:

>>> a = np.zeros((2, 512*512), dtype=np.float32)
>>> a[0, :] = 1.0
>>> a[1, :] = 0.1
>>> np.var(a)
0.20250003

Вычисление дисперсии в формате float64 более точно:

>>> np.var(a, dtype=np.float64)
0.20249999932944759
>>> ((1-0.55)**2 + (0.1-0.55)**2)/2
0.2025