numpy.nanvar#

numpy.nanvar(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>, *, where=<no value>, mean=<no value>, correction=<no value>)[原始碼]#

沿指定軸計算變異數，同時忽略 NaN 值。

傳回陣列元素的變異數，這是分布分散程度的量測。變異數預設為針對展平陣列計算，否則會針對指定的軸計算。

對於全為 NaN 的切片或自由度為零的切片，會傳回 NaN 並引發 RuntimeWarning。

參數:

aarray_like: 包含想要計算變異數的數字的陣列。如果 a 不是陣列，則會嘗試轉換。
axis{int, int 元組, None}，選用: 計算變異數的軸或軸。預設值是計算展平陣列的變異數。
dtype資料類型，選用: 用於計算變異數的類型。對於整數類型陣列，預設值為 float64；對於浮點類型陣列，則與陣列類型相同。
outndarray，選用: 要在其中放置結果的替代輸出陣列。它必須具有與預期輸出相同的形狀，但必要時會轉換類型。
ddof{int, float}，選用: 「Delta 自由度」：計算中使用的除數為 N - ddof，其中 N 代表非 NaN 元素的數量。預設情況下，ddof 為零。
keepdimsbool，選用: 如果設定為 True，則縮減的軸會保留在結果中，作為大小為一的維度。使用此選項，結果將針對原始 a 正確廣播。
wherearray_like of bool，選用: 要包含在變異數中的元素。有關詳細資訊，請參閱 reduce。

版本 1.22.0 新增功能。
meanarray_like，選用: 提供平均值以防止重新計算。平均值應具有與使用 keepdims=True 計算時相同的形狀。平均值計算的軸應與此 var 函式呼叫中使用的軸相同。

版本 2.0.0 新增功能。
correction{int, float}，選用: 與 Array API 相容的 ddof 參數名稱。一次只能提供其中一個。

版本 2.0.0 新增功能。

傳回:

variancendarray，請參閱上方的 dtype 參數: 如果 out 為 None，則傳回包含變異數的新陣列，否則傳回對輸出陣列的參考。如果 ddof >= 切片中非 NaN 元素的數量，或切片僅包含 NaN，則該切片的結果為 NaN。

另請參閱

std: 標準差
mean: 平均值
var: 不忽略 NaN 值的變異數
nanstd、nanmean
輸出類型判斷

註解

變異數是與平均值平方偏差的平均值，即 var = mean(abs(x - x.mean())**2)。

平均值通常計算為 x.sum() / N，其中 N = len(x)。但是，如果指定了 ddof，則會改用除數 N - ddof。在標準統計實務中，ddof=1 提供假設無限母體變異數的無偏估計值。ddof=0 提供常態分布變數變異數的最大概似估計值。

請注意，對於複數，在平方之前會取絕對值，因此結果始終為實數且非負數。

對於浮點輸入，變異數會使用與輸入相同的精確度計算。根據輸入資料，這可能會導致結果不準確，尤其是對於 float32（請參閱下面的範例）。使用 dtype 關鍵字指定更高精度的累加器可以緩解此問題。

為了使此函式適用於 ndarray 的子類別，它們必須使用 kwarg keepdims 定義 sum

範例

>>> import numpy as np
>>> 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