numpy.ma.var

numpy.ma.var(self, axis=None, dtype=None, out=None, ddof=0, keepdims=<class 'numpy._globals._NoValue'>) = <numpy.ma.core._frommethod object>

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, дисперсия которых требуется. Если a не является массивом, выполняется 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. Введено в версии 1.7.0. Если это кортеж из целых чисел, дисперсия вычисляется по нескольким осям, а не по одной оси или всем осям, как раньше. dtype : тип данных, необязательно Тип, используемый для вычисления дисперсии. Для массивов целого типа по умолчанию используется float32; для массивов с плавающей точкой — такой же, как и тип массива. out : ndarray, необязательно Альтернативный массив вывода, в который следует поместить результат. Он должен иметь ту же форму, что и ожидаемый результат, но тип преобразуется при необходимости. ddof : целое число, необязательно «Дельта степеней свободы»: делитель, используемый при вычислении, равен N - ddof, где N представляет количество элементов. По умолчанию ddof равно нулю. keepdims : bool, необязательно Если это установлено в True, оси, которые были уменьшены, сохраняются в результате в виде измерений с размером один. С этим параметром результат будет корректно транслироваться по отношению к входному массиву. 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 подняты исключения.

Возвращает:

variance : ndarray, см. параметр dtype выше Если out=None, возвращается 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 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 указано, вместо этого используется делитель N - ddof. В стандартной статистической практике ddof=1 предоставляет несмещенную оценку дисперсии гипотетической бесконечной генеральной совокупности. ddof=0 предоставляет оценку максимального правдоподобия дисперсии для нормально распределенных переменных.

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

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 большей точности с помощью ключевого слова 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 точно:

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