numpy.nanvar

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

计算沿指定轴的方差，同时忽略NaN。

返回数组元素的方差，这是分布扩展的度量。默认情况下，将为展平的数组计算方差，否则将超过指定的轴。

对于所有的NaN切片或零自由度的切片，返回NaN，然后 RuntimeWarning 提高了。

1.8.0 新版功能.

参数

aarray_like

包含所需方差的数字的数组。如果 a 不是数组，尝试转换。

axisint，int的元组，none，可选

计算方差的轴。默认值是计算展平数组的方差。

dtype数据类型，可选

用于计算方差的类型。对于整数类型的数组，默认值为 float64 ；对于浮点类型的数组，它与数组类型相同。

outndarray，可选

用于放置结果的备用输出数组。它必须与预期的输出具有相同的形状，但如果需要，类型是强制转换的。

ddof可选的

“三角自由度”：计算中使用的除数是 N - ddof 在哪里 N 表示非NaN元素的数目。默认情况下 ddof 是零。

keepdims可选的布尔

如果设置为“真”，则缩小的轴将保留在结果中，作为尺寸为1的尺寸。使用此选项，结果将正确广播到原始 a .

返回

variancendarray，请参见上面的dtype参数

如果 out 如果为“无”，则返回包含差异的新数组，否则返回对输出数组的引用。如果ddof大于等于一个切片中非NaN元素的数目，或者切片仅包含NaN，则该切片的结果为NaN。

参见

std

标准偏差

mean

平均值

var

方差而不忽略NaN

nanstd, nanmean

输出类型确定

笔记

方差是平均值的平方偏差的平均值，即： var = mean(abs(x - x.mean())**2) .

平均值通常计算为 x.sum() / N 在哪里 N = len(x) . 然而，如果 ddof 是指定的，除数 N - ddof 而是使用。在标准统计实践中， ddof=1 提供假设无限总体方差的无偏估计。 ddof=0 为正态分布变量提供方差的最大似然估计。

注意，对于复数，绝对值是在平方之前取的，所以结果总是实数和非负数。

对于浮点输入，使用与输入相同的精度计算方差。根据输入数据，这可能导致结果不准确，尤其是 float32 （见下例）。使用指定更高精度的累加器 dtype 关键字可以缓解此问题。

要使此函数处理ndarray的子类，它们必须定义 sum 与克沃格 keepdims

实例

>>> 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

numpy.nanstd numpy.corrcoef