Función Numpy MaskedArray.var() | Python

La función numpy.MaskedArray.var() se usa para calcular la varianza a lo largo del eje especificado. Devuelve la varianza de los elementos de array enmascarados, una medida de la dispersión de una distribución. La varianza se calcula para la array aplanada de forma predeterminada; de lo contrario, se calcula sobre el eje especificado.

Sintaxis: numpy.ma.var(arr, axis=Ninguno, dtype=Ninguno, out=Ninguno, ddof=0, keepdims=False)
Parámetros:
arr: [ ndarray ] Array enmascarada de entrada. 
eje: [int, opcional] Eje a lo largo del cual se calcula la varianza. El valor predeterminado (Ninguno) es calcular la varianza sobre la array aplanada. 
dtype : [dtype, opcional] Tipo de array devuelta, así como del acumulador en el que se multiplican los elementos. 
out : [ndarray, opcional] Una ubicación en la que se almacena el resultado. 
  -> Si se proporciona, debe tener una forma a la que se transmitan las entradas. 
  -> Si no se proporciona o Ninguno, se devuelve una array recién asignada. 
ddf:[int, opcional] “Grados de libertad delta”: el divisor utilizado en el cálculo es N – ddof, donde N representa el número de elementos. Por defecto, ddof es cero. 
keepdims: [bool, opcional] Si se establece en True, los ejes que se reducen se dejan en el resultado como dimensiones con tamaño uno. Con esta opción, el resultado se transmitirá correctamente contra la array de entrada.
Devolución: [variance_along_axis, ndarray] Se devuelve una nueva array que contiene el resultado a menos que se especifique out, en cuyo caso se devuelve una referencia a out.

Código #1:  

# Python program explaining
# numpy.MaskedArray.var() method
   
# importing numpy as geek 
# and numpy.ma module as ma
import numpy as geek
import numpy.ma as ma
   
# creating input array 
in_arr = geek.array([[1, 2], [ 3, -1], [ 5, -3]])
print ("Input array : ", in_arr)
   
# Now we are creating a masked array.
# by making  entry as invalid. 
mask_arr = ma.masked_array(in_arr, mask =[[1, 0], [ 1, 0], [ 0, 0]])
print ("Masked array : ", mask_arr)
   
# applying MaskedArray.var   
# methods to masked array
out_arr = ma.var(mask_arr)
print ("variance of masked array along default axis : ", out_arr)

Input array :  [[ 1  2]
 [ 3 -1]
 [ 5 -3]]
Masked array :  [[-- 2]
 [-- -1]
 [5 -3]]
variance of masked array along default axis :  9.1875

 Código #2: 

# Python program explaining
# numpy.MaskedArray.var() method
    
# importing numpy as geek 
# and numpy.ma module as ma
import numpy as geek
import numpy.ma as ma
    
# creating input array
in_arr = geek.array([[1, 0, 3], [ 4, 1, 6]])
print ("Input array : ", in_arr)
     
# Now we are creating a masked array.
# by making one entry as invalid. 
mask_arr = ma.masked_array(in_arr, mask =[[ 0, 0, 0], [ 0, 0, 1]])
print ("Masked array : ", mask_arr)
    
# applying MaskedArray.var methods
# to masked array
out_arr1 = ma.var(mask_arr, axis = 0)
print ("variance of masked array along 0 axis : ", out_arr1)
 
out_arr2 = ma.var(mask_arr, axis = 1)
print ("variance of masked array along 1 axis : ", out_arr2)

Producción:

Input array :  [[1 0 3]

 [4 1 6]]

Masked array :  [[1 0 3]

 [4 1 --]]

variance of masked array along 0 axis :  [2.25 0.25 0.  ]

variace of masked array along 1 axis :  [1.55555556 2.25      ]