numpy.var
numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=
计算沿指定轴的方差。
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。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 ：None 或 int 或 int类型的tuple, 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。
1.7.0版中的新功能。
如果这是一个整数元组，
则对多个轴执行方差，
而不是像以前那样对单个轴或所有轴执行方差。
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，
但如有必要，可以强制转换类型。
ddof ：int, 可选
“自由度增量”：计算中使用的除数为N-ddof，
其中N表示元素数。 默认情况下，ddof为零。
keepdims ：bool, 可选
如果将其设置为True，
那么被缩减的轴将在结果中保留尺寸为1的维度。
使用此选项，结果将针对输入数组正确传递。
如果传递了默认值，
则keepdims不会传递给ndarray子类的var方法，
但是任何非默认值都会传递。
如果子类的方法未实现keepdims，则将引发任何异常。
返回值 ：variance ：ndarray, see dtype parameter above
如果out = None，则返回一个包含差异的新数组；
否则为false。否则，返回对输出数组的引用。
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。
例子>>> a = np.array([[1, 2], [3, 4]])
>>> np.var(a)
1.25
>>> np.var(a, axis=0)
array([1., 1.])
>>> np.var(a, axis=1)
array([0.25, 0.25])
以单精度形式，var()可能不准确：>>> a = np.zeros((2, 512*512), dtype=np.float32)
>>> a[0, :] = 1.0
>>> a[1, :] = 0.1
>>> np.var(a)
0.20250003
计算float64中的方差更准确：>>> np.var(a, dtype=np.float64)
0.20249999932944759 # may vary
>>> ((1-0.55)**2 + (0.1-0.55)**2)/2
0.2025