numpy.ma.MaskedArray.var

метод

MaskedArray.var(self, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>) [source]

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

aarray_like

Массив, содержащий числа, для которых требуется вычислить дисперсию. Если a не является массивом, производится попытка преобразования.

axisNone or int or tuple of ints, optional

Ось или оси, по которым вычисляется дисперсия. По умолчанию вычисляется дисперсия уплощенного массива.

Добавлена в версии 1.7.0.

Если это кортеж целых чисел, дисперсия вычисляется по нескольким осям, вместо одной оси или всех осей, как раньше.

dtypedata-type, optional

Тип, используемый для вычисления дисперсии. Для массивов целочисленного типа значение по умолчанию float64; для массивов с плавающей точкой – такой же, как тип массива.

outndarray, optional

Альтернативный выходной массив, в который поместить результат. Он должен иметь такую же форму, что и ожидаемый результат, но тип преобразуется при необходимости.

ddofint, optional

«Степень свободы»: делитель, используемый при вычислении, равен N - ddof, где N представляет количество элементов. По умолчанию ddof равно нулю.

keepdimsbool, optional

Если установлено в значение True, оси, которые были уменьшены, остаются в результате как размерности с размером один. С этим вариантом результат будет правильно транслироваться для входного массива.

Если передано значение по умолчанию, тогда keepdims не будет передано методу var подклассов ndarray, но любое отличное от значения по умолчанию будет. Если метод подкласса не реализует keepdims , будут подняты исключения.

Возвращает

variancendarray, see dtype parameter above

Если out=None, возвращает новый массив, содержащий дисперсию; в противном случае возвращается ссылка на выходной массив.

См. также

std, mean, nanmean, nanstd, nanvar, ufuncs-output-type

Примечания

Дисперсия — 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 указано ddof, в качестве делителя используется N - ddof вместо него. 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, так что 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 неточности результатов, 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 # may vary
>>> ((1-0.55)**2 + (0.1-0.55)**2)/2
0.2025