numpy.ma.MaskedArray.var

метод

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

Вычисление дисперсии по указанной оси.

Возвращает дисперсию элементов массива, показатель 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.

Новое в версии 1.7.0.

Если это кортеж целых чисел, дисперсия вычисляется по нескольким осям, а не по одной оси или всем осям, как раньше.

dtypedata-type, optional

Тип, используемый для вычисления дисперсии. Для массивов целого типа по умолчанию используется float64; для массивов плавающей точки он совпадает с типом массива.

outndarray, optional

Альтернативный массив вывода, в котором следует разместить результат. Он должен иметь ту же форму, что и ожидаемый результат, но тип преобразуется при необходимости.

ddofint, optional

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

keepdimsbool, optional

Если это установлено в значение True, оси, которые были уменьшены, сохраняются в результате как измерения с размером один. С этим параметром результат будет корректно транслироваться относительно входного массива.

Если передано значение по умолчанию, то keepdims не будет передано в метод var подклассов ndarray, однако любое отличное от значения по умолчанию значение будет. Если метод подкласса не реализует keepdims , будут подняты исключения.

wherearray_like of bool, optional

Элементы, которые следует включить в дисперсию. Подробности см. в reduce.

Новое в версии 1.20.0.

Возвращает

variancendarray, see dtype parameter above

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

См. также

std, mean, nanmean, nanstd, nanvar

Определение типа вывода

Примечания

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

Среднее значение обычно вычисляется как x.sum() / N, где N = len(x). Однако, если ddof указано, в качестве делителя используется N - ddof вместо этого. 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, так что результат всегда является действительным и неотрицательным.

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 помочь 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

Указание аргумента where:

>>> a = np.array([[14, 8, 11, 10], [7, 9, 10, 11], [10, 15, 5, 10]])
>>> np.var(a)
6.833333333333333 # may vary
>>> np.var(a, where=[[True], [True], [False]])
4.0