numpy.nanvar

numpy.nanvar(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>) [source]

Вычисление дисперсии по заданной оси, игнорируя значения NaN.

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

Для срезов, содержащих только NaN, или срезов с нулевой степенью свободы, возвращается NaN, и генерируется RuntimeWarning.

Новая в версии 1.8.0.

Parameters

aarray_like

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

axis{int, tuple of int, None}, optional

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

dtypedata-type, optional

Тип, используемый при вычислении дисперсии. Для массивов целочисленного типа значение по умолчанию — float64; для массивов с плавающей точкой — такой же, как и тип массива.

outndarray, optional

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

ddofint, optional

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

keepdimsbool, optional

Если установлено в True, оси, по которым производится сведение, остаются в результате в виде измерений с размером один. С этим вариантом результат будет корректно транслироваться относительно исходного a.

Returns

variancendarray, see dtype parameter above

Если out равно None, возвращается новый массив, содержащий дисперсию; в противном случае возвращается ссылка на выходной массив. Если ddof больше или равен количеству элементов без NaN в срезе или срез содержит только NaN, то результат для этого среза — NaN.

См. также

std

Стандартное отклонение

mean

Среднее значение

var

Дисперсия без игнорирования NaN

nanstd, nanmean, ufuncs-output-type

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 распределённых 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 у входных данных. 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.

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

Примеры

>>> a = np.array([[1, np.nan], [3, 4]])
>>> np.nanvar(a)
1.5555555555555554
>>> np.nanvar(a, axis=0)
array([1.,  0.])
>>> np.nanvar(a, axis=1)
array([0.,  0.25])  # may vary