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 срезов NaN или срезов с нулевой степенью свободы возвращается NaN, и поднимается RuntimeWarning.

Новая 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 равно float32; для массивов с плавающей точкой — такой же, как тип массива. out : ndarray, необязательно Альтернативный выходной массив, в который следует поместить результат. Он должен иметь ту же форму, что и ожидаемый результат, но тип преобразуется при необходимости. ddof : int, необязательно «Дельта степеней свободы»: делитель, используемый в расчёте, равен N - ddof, где N представляет собой количество элементов без NaN. По умолчанию ddof равно нулю. keepdims : bool, необязательно Если установлено значение True, оси, которые были уменьшены, остаются в результате как измерения с размером один. С этим параметром результат будет корректно транслироваться относительно исходного arr.

Возвращает:

variance : ndarray, см. параметр dtype выше Если out равно None, возвращается новый массив, содержащий дисперсию; в противном случае — ссылка на выходной массив. Если ddof больше или равен числу элементов без NaN в слайсе или слайс содержит только NaN, то результат для этого среза — NaN.

См. также

std

Среднеквадратичное отклонение

mean

Среднее значение

var

Дисперсия без игнорирования NaN

nanstd, nanmean

numpy.doc.ufuncs

Раздел «Выходные аргументы»

Примечания

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

Среднее значение обычно вычисляется как x.sum() / N, где N = len(x). Однако, если задан ddof, в качестве делителя используется N - ddof. В стандартной статистической практике ddof=1 обеспечивает несмещённую оценку дисперсии гипотетической бесконечной популяции. ddof=0 обеспечивает оценку максимального правдоподобия дисперсии для нормально распределённых переменных.

Обратите внимание, что для комплексных чисел перед возведением в квадрат берётся модуль, так что результат всегда вещественный и неотрицательный.

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])