Автор оригинала: Team Python Pool.

Numpy Variance | Что делает функция var() в Numpy

В сегодняшней статье мы узнаем о функции Numpy var (). Функция дисперсии Numpy вычисляет дисперсию элементов массива Numpy. Дисперсия вычисляет среднее значение квадратов отклонений от среднего, т. е.(abs(x – x.mean())**2)e. Среднее значение-это x.sum()/N, где(x) для массива x. Дисперсия по умолчанию используется для сплющенного массива, в противном случае-по указанной оси.

Дисперсия относится к ожиданию стандартного отклонения для переменной от ее среднего значения в терминах непрофессионала. Дисперсия Numpy вычисляет то же самое по массиву чисел. Более того, с улучшенной производительностью и алгоритмами вы получаете дисперсию в виде массива numpy взамен. В этом посте мы подробно рассмотрим эту функцию дисперсии.

Дисперсия относится к ожиданию стандартного отклонения для переменной от ее среднего значения в терминах непрофессионала. Дисперсия Numpy вычисляет то же самое по массиву чисел. Более того, с улучшенной производительностью и алгоритмами вы получаете дисперсию в виде массива numpy взамен. В этом посте мы подробно рассмотрим эту функцию дисперсии.

numpy.var(a,,,,, keepdims=)

Параметр дисперсии Numpy

a = Массив, содержащий элементы, дисперсия которых должна быть вычислена

Axis = Значение по умолчанию равно none, что означает вычисление дисперсии 1D-сплющенного массива. Однако ось может быть int или кортежем ints. Если они хотят, чтобы дисперсия вычислялась вдоль какой-либо конкретной оси или осей соответственно. (Необязательно)

dtype = Тип данных, используемый при вычислении дисперсии. По умолчанию используется float64 для массивов целочисленного типа. Для массивов типов float это то же самое, что и массив

out = Альтернативный выходной массив, имеющий тот же размер, что и ожидаемый выходной массив. Но тип бросается, если это необходимо. (Необязательно)

Ddof = Относится к “Дельта-степеням свободы”: делитель, используемый при вычислении, равен N – ddof. Где N – количество элементов. ddof по умолчанию равен нулю. (Необязательно)

Keepdims = , если это значение равно True. Кроме того, уменьшенные оси возвращаются в виде массивов с размером одного измерения. С помощью этой опции результат будет правильно транслироваться по входному массиву. Для значения по умолчанию keepdims не будет передаваться в метод var() подклассов ndarray. Однако любое значение, отличное от значения по умолчанию, действительно проходит. (Необязательно)

Возвращаемый тип функции Numpy var() в Python:

Возвращает дисперсию элементов данных входного массива. Если, возвращает новый массив, содержащий дисперсию; в противном случае ссылка на выходной массив

Возвращает дисперсию элементов данных входного массива. If возвращает новый массив, содержащий дисперсию; в противном случае возвращается ссылка на выходной массив.

import numpy as np 
  
# create array .arange(10) 
print(array) 
.var(array) 
print("\nvariance: ", r)

Выход:

variance:  8.25

Объяснение

В приведенном выше примере. Функция Numpy var() используется для вычисления дисперсии массива, созданного программистом. Необязательные параметры не являются обязательными при использовании функции в программах. Функции numpy var() точно возвращают дисперсию, передавая массив в качестве параметра.

Numpy Variance var() с желаемым типом

import numpy as np  
      
# 1D array  
a = [20, 2, 7, 1, 34]  
  
print("array : ", a)  
print("var of array : ", np.var(a))  
  
print("\nvar of array : ", np.var(a,.float32))  
print("\nvar of array : ", np.var(a,.float64))

Numpy Variance var() с желаемым типом

array :  [20, 2, 7, 1, 34]
variance of array :  158.16

variance of array :  158.16

variance of array :  158.16

Выход:

В приведенном выше примере сначала мы выводим дисперсию данного 1D-массива. Когда тип не включен. тип – это тип данных, который нам нужен при вычислении дисперсии. Он необязателен и по умолчанию имеет значение float64 для массивов целочисленного типа. Но когда мы включаем параметр type и устанавливаем его значение, отличное от значения по умолчанию. Получаем выходную дисперсию нужного типа. Аналогично, мы установили здесь тип float32 и float64 соответственно.

В приведенном выше примере сначала мы выводим дисперсию данного 1D-массива. Когда тип не включен. тип – это тип данных, который нам нужен при вычислении дисперсии. Он необязателен и по умолчанию имеет значение float64 для массивов целочисленного типа. Но когда мы включаем параметр type и устанавливаем его значение, отличное от значения по умолчанию. Получаем выходную дисперсию нужного типа. Аналогично, мы установили здесь тип float32 и float64 соответственно.

import numpy as np  
      
# 2D array  
arr = [[2, 2, 2, 2, 2],  
    [15, 6, 27, 8, 2],  
    [23, 2, 54, 1, 2, ],  
    [11, 44, 34, 7, 2]]  
  
      
# var of the flattened array  
print("\nvar of arr, : ", np.var(arr))  
      
# var along the  
print("\nvar of arr, : ", np.var(arr,))  
  
# var along the  
print("\nvar of arr, : ", np.var(arr,))

Функция дисперсии Numpy в Python для многомерного массива

var of arr, :  236.14000000000004

var of arr, :  [ 57.1875 312.75   345.6875   9.25     0.    ]

var of arr, :  [  0.    77.04 421.84 269.04]

Объяснение:

В приведенном выше примере функция вычисляет заданную дисперсию многомерного массива вместе с параметром оси. Когда ось равна none, что является значением по умолчанию, она вычисляет дисперсию сплющенного массива. Когда ось равна 0, она вычисляет заданную дисперсию многомерного массива вдоль направления строк. И когда ось равна 1, он вычисляет дисперсию вдоль направления столбцов.

В приведенном выше примере функция вычисляет заданную дисперсию многомерного массива вместе с параметром оси. Когда ось равна none, что является значением по умолчанию, она вычисляет дисперсию сплющенного массива. Когда ось равна 0, она вычисляет заданную дисперсию многомерного массива вдоль направления строк. И когда ось равна 1, он вычисляет дисперсию вдоль направления столбцов.

Statistics var() вычисляет дисперсию заданных элементов массива точно так же, как функция Numpy var (). Однако он не очень хорошо работает с многомерным массивом, потому что:

Модуль статистики не создает многомерных массивов. Нам нужна библиотека Numpy

Кроме того, нет параметра, позволяющего определить, к какой оси относится дисперсия.

Синтаксис статистики var()

Синтаксис статистики var():

statistics.variance(data,)

Используйте этот параметр, где данные представляют собой массив допустимых чисел, включая десятичные и дробные значения. И, bar – это среднее значение данных. Этот параметр является

Используйте этот параметр, где данные представляют собой массив допустимых чисел, включая десятичные и дробные значения. А bar – это среднее значение данных. Этот параметр является необязательным. Если это не указано, то среднее значение вычисляется автоматически.

import statistics

dataset = [21, 19, 11, 21, 19, 46, 29].variance(dataset) 

print(output)

Пример статистики var()

124.23809523809524

Дисперсия массива без NumPy

Мы можем рассчитать дисперсию без использования модуля Numpy. Следующий пример иллюстрирует,

import math 
  
def variance(a, n): 
   
    for i in range(0 ,n): 
        sum[i] 
    /n 
   
    for i in range(0 ,n): 
        sqDiff += ((a[i] - mean)*(a[i] - mean)) 
    return sqDiff / n

arr = [500, 460, 270, 400, 350] (arr) 
print("Variance: ", int(variance(arr, n)))

Выход –

Variance:  6584

Объяснение –

Во-первых, дисперсия зависит от квадрата разности между величиной и ее средним значением. В результате, чем больше значения удаляются от среднего, тем больше будет дисперсия. В приведенном выше примере мы создали функцию с именем variance (), которая принимает массив и его длину и возвращает его дисперсию. Сначала вычисляется среднее значение, а затем сумма

Вывод

В заключение эта статья предоставляет вам всю информацию о функции Numpy variance в Python. Функция дисперсии используется для нахождения дисперсии заданного набора данных. Импорт модуля Numpy дает доступ к созданию ndarray и выполнению таких операций, как среднее стандартное отклонение. Более того, дисперсия над ним осуществляется с помощью специальных функций, встроенных в сам модуль Numpy. Вы можете обратиться к приведенным выше примерам для любых запросов, касающихся функции Numpy var() в Python.

Однако, если у вас есть какие-либо сомнения или вопросы, дайте мне знать в разделе комментариев ниже. Я постараюсь помочь вам как можно скорее.

Однако, если у вас есть какие-либо сомнения или вопросы, дайте мне знать в разделе комментариев ниже. Я постараюсь помочь вам как можно скорее.