Python statistics.pvariance() 函数

---

---

Python 的 statistics.pvariance 函数返回数据的总体方差，数据是一个非空序列或可迭代的实数序列。均值是衡量数据变异性（扩展或离散）的指标。

在此函数中，如果提供了可选参数 'mu'，则它应该是数据的总体均值。它还可以用于计算围绕非均值点的第二个参数。

我们使用此函数来计算整个总体的方差。如果数据为空，则此函数会抛出 StatisticsError。

语法

以下是 statistics.pvariance() 函数的基本语法：

statistics.pvariance(data, mu=None)

参数

这里，数据值可以用作任何序列、列表或迭代器，而 mu 是一个可选参数，它改变了整个总体。

返回值

此函数返回一个非空序列或可迭代的实数值。

示例 1

现在，我们正在使用 statistics.pvariance() 函数从给定的数据集中计算总体方差。

import statistics
x = [3.0, 5.5, 7.9, 9.01, 1.23, 3.24]
variance = statistics.pvariance(x)
print(f"The Population Variance is: {variance:.4f}")

输出

这会产生以下结果：

The population variance is: 7.6747

示例 2

在下面的示例中，我们正在计算可选的第二个参数 'mu' 以避免使用 statistics.pvariance() 函数重新计算。

import statistics
x = [3.2, 6.5, 0.0, 1.25, 2.34, 0.13]
mu = statistics.mean(x)
variance = statistics.pvariance(x, mu)
print(f"The Population Variance is: {variance:.4f}")

输出

输出如下：

The Population Variance is: 4.9215

示例 3

让我们使用 statistics.pvariance 函数编写一个包含小数的简单 Python 程序。

import statistics
from decimal import Decimal as D
x = [D("34.56"), D("45.23"), D("12.12"), D("11.31")]
variance = statistics.pvariance(x)
print(f"The Population Variance is: {variance:.4f}")

输出

我们将获得如下输出：

The Population Variance is: 212.8412

示例 4

在总体方差中，我们正在使用 statistics.pvariance() 函数编写一个包含分数的代码。

import statistics
from fractions import Fraction as F
x = [F(2, 5), F(6, 7), F(9, 4), F(2, 1)]
variance = statistics.pvariance(x)
variance_float = float(variance)
print(f"The Population Variance is: {variance_float:.4f}")

输出

这将产生以下结果：

The Population Variance is: 0.5938