Python numpy.nanvar函数方法的使用

NumPy(Numerical Python的缩写)是一个开源的Python科学计算库。使用NumPy,就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数,涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍一下NumPy中nanvar方法的使用。

numpy.nanvar

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

沿指定轴计算方差,而忽略NaN。

返回数组元素的方差,即分布分布的度量。默认情况下,将为展平数组计算方差,否则将在指定轴上计算方差。

对于全NaN切片或自由度为零的切片,将返回NaN并引发RuntimeWarning。

1.8.0版中的新功能。

参数 :

a :array_like

包含需要方差的数字的数组。如果a不是数组,则尝试进行转换。

axis :{int, tuple of int, None}, 可选

计算方差的一个或多个轴。 默认值是计算展平数组的方差。

dtype :data-type, 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float类型的数组,它与数组类型相同。

out :ndarray, 可选

要在其中放置结果的备用输出数组。

 它必须具有与预期输出相同的形状,

但是如果需要,可以强制转换类型。

ddof :int, 可选

“Delta Degrees of Freedom”:计算中使用的除数为N-ddof

其中N表示非NaN元素的数量。 默认情况下,ddof为零。

keepdims :bool, 可选

如果将其设置为True,则缩小的轴将保留为尺寸1的尺寸。

使用此选项,结果将相对于原始a正确广播。

返回值 :

variance :ndarray, see dtype parameter above

如果out为None,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 >=切片中非NaN元素的数量,

或者该切片仅包含NaN,则该切片的结果为NaN。

Notes

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

平均值通常按x.sum()/N计算,其中N = len(x)。但是,如果指定了ddof,则使用除数N-ddof。在标准的统计实践中,ddof = 1提供了一个假设的无限总体方差的无偏估计量。ddof = 0为正态分布变量提供方差的最大似然估计。

请注意,对于复数,绝对值是在平方之前获取的,因此结果始终是实数且非负数。

对于浮点输入,使用与输入相同的精度来计算方差。根据输入数据,这可能导致结果不准确,尤其是对于float32(请参见下面的示例)。使用dtype关键字指定精度更高的累加器可以缓解此问题。

为了使此功能能够用于ndarray的子​​类,它们必须使用kwarg keepdims定义sum

例子

>>> 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
推荐阅读
cjavapy编程之路首页