mindspore.numpy.nanvar

mindspore.numpy.nanvar(a, axis=None, dtype=None, ddof=0, keepdims=False)[源代码]

计算指定轴上的方差，忽略NaN。

返回数组元素的方差，方差是分布离散程度的度量。默认情况下，方差在展平数组上计算，否则在指定轴上计算。

说明

不支持NumPy参数 out 。在GPU上，支持的数据类型为np.float16和np.float32。

参数：

  • a (Union[int, float, list, tuple, Tensor]) - 包含要计算方差的数的数组。如果 a 不是数组，将尝试进行转换。

  • axis (Union[int, tuple of int, None], 可选) - 计算方差所沿的单个或多个轴。若取默认值，计算展平数组的方差。默认值: None 。

  • dtype (mindspore.dtype, 可选) - 默认值: None 。 覆盖输出Tensor的dtype。

  • ddof (int, 可选) - “自由度偏差”: 计算中使用的除数是 N - ddof ，其中 N 表示非NaN元素的数量。默认情况下 ddof 为零。

  • keepdims (boolean, 可选) - 默认值: False 。如果设置为 True ，减少的轴在结果中保留为大小为1的维度。 若使用此选项，结果会广播到和 a 同一个维度数。

返回：

Tensor。

异常：

  • ValueError - 如果 axis 超出[-a.ndim, a.ndim)范围，或者 axis 包含重复项。

支持平台：

GPU CPU

样例：

>>> import mindspore.numpy as np
>>> a = np.array([[1, np.nan], [3, 4]])
>>> output = np.nanvar(a)
>>> print(output)
1.5555557
>>> output = np.nanvar(a, axis=0)
>>> print(output)
[1. 0.]
>>> output = np.nanvar(a, axis=1)
>>> print(output)
[0.   0.25]