numpy.ma.MaskedArray.var

method

ma.MaskedArray.var(axis=None, dtype=None, out=None, ddof=0, keepdims=)[source]

Вычисление дисперсии по заданной оси.

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

Parameters

aarray_like

Массив, содержащий числа, для которых требуется дисперсия. Если a не является массивом, выполняется преобразование.

axisNone или int или кортеж из целых чисел, необязательно

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

Введено в версии 1.7.0.

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

dtypeтип данных, необязательно

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

outndarray, необязательно

Альтернативный массив вывода, в котором разместить результат. Он должен иметь такую же форму, как ожидаемый результат, но тип при необходимости преобразуется.

ddofint, необязательно

«Delta Degrees of Freedom»: делитель, используемый в расчете, равен N - ddof, где N представляет количество элементов. По умолчанию ddof равно нулю.

keepdimsbool, необязательно

Если это значение True, оси, которые были уменьшены, остаются в результате как измерения 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 в метод var подклассов ndarray, однако любое отличное от значения по умолчанию будет. Если метод подкласса не реализует keepdims, будут подняты исключения.

wherearray_like of bool, optional

Элементы, которые следует включить в дисперсию. См. reduce для получения подробностей.

Введено в версии 1.20.0.

Returns

variancendarray, см. параметр dtype выше

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

См. также

std, mean, nanmean, nanstd, nanvar

Определение типа выходных данных

Notes

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

Среднее 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 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 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 неточным результатам, особенно для float32 (см. пример ниже). Использование более точного накопителя 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