numpy.nanvar

numpy.nanvar(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<class 'numpy._globals._NoValue'>) [source]

Вычислить дисперсию по указанной оси, игнорируя NaN.

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

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

Новое в версии 1.8.0.

Параметры:

a : array_like Массив, содержащий числа, дисперсия которых требуется. Если a не является массивом, производится 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 целого типа по умолчанию используется float32; для массивов с плавающей запятой — тот же тип, что и у массива. out : ndarray, необязательно Альтернативный массив вывода, в который нужно поместить 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 вычислении, равен N - ddof, где N представляет собой количество элементов без NaN. По умолчанию ddof равно нулю. keepdims : bool, необязательно Если установлено в True, оси, по которым производилось сокращение, остаются в результате в качестве измерений с размером один. С этим параметром результат будет корректно транслироваться относительно исходного a.

Возвращает:

variance : ndarray, см. параметр dtype выше Если out равно None, возвращается новый массив, содержащий дисперсию, в противном случае возвращается ссылка на массив вывода. Если ddof ≥ количеству элементов без NaN в срезе или срез содержит только NaN, то результат для этого среза — 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 указано ddof, в качестве делителя используется N - ddof. В стандартной статистической практике ddof=1 обеспечивает несмещенную оценку дисперсии гипотетической бесконечной 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, так что результат всегда вещественный и неотрицательный.

Для чисел 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 помочь решить эту проблему.

Для работы этой функции над подклассами ndarray они должны определять sum с ключевым словом keepdims

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])