numpy.ma.var

numpy.ma.var(self, axis=None, dtype=None, out=None, ddof=0, keepdims=<class numpy._globals._NoValue at 0x40b6a26c>) = <numpy.ma.core._frommethod instance at 0x52d13d8c>

Вычисление дисперсии по указанной оси.

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

Параметры:

a : array_like Массив, содержащий числа, для которых требуется вычислить дисперсию. 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 уплощенного массива. Добавлена в версии 1.7.0. Если это кортеж из целых чисел, дисперсия вычисляется по нескольким осям вместо одной оси или всех осей, как раньше. dtype : тип данных, необязательно Тип, используемый при вычислении дисперсии. Для массивов целочисленного типа значение по умолчанию — float32; для массивов с плавающей запятой — такой же, как тип массива. out : ndarray, необязательно Альтернативный массив вывода, в который нужно 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 в расчете, равен N - ddof, где N представляет количество элементов. По умолчанию ddof равно нулю. keepdims : bool, необязательно Если это установлено в True, оси, по которым производится уменьшение, сохраняются в результате как размерности с размером один. С этим параметром результат будет корректно транслироваться с входным массивом. Если передано значение по умолчанию, то keepdims не будет передано методу var подклассов ndarray, однако любое отличное от значения по умолчанию значение будет. Если метод подклассов sum не реализует keepdims, будут вызваны исключения.

Возвращает:

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

См. также

std, mean, nanmean, nanstd, nanvar

numpy.doc.ufuncs

Раздел «Аргументы вывода»

Примечания

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

Среднее 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 несмещенную оценку дисперсии гипотетической бесконечной генеральной совокупности. ddof=0 обеспечивает оценку максимального правдоподобия дисперсии для нормально распределенных переменных.

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

Для входных данных 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 накопителя с большей точностью с помощью параметра dtype может устранить 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 точное:

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