np.var() 在 python 与 DolphinDB 中的不同结果
Different results of np.var() in python vs DolphinDB
Python:
np.var([1,6,2]) = 4.666666666666667
海豚数据库：
var(1 6 2) = 7
为什么返回的方差结果不一样？
试试这个代码
np.var([1,6,2] ,ddof=1)
ddofint, optional
“Delta Degrees of Freedom”: the divisor used in the calculation is N - ddof, where N represents the number of elements. By default ddof
is zero
编辑：（从 Serge Ballesta 的重播中添加的描述。谢谢）
基本原理是您可以从整个总体（意味着平均值是准确已知的）或仅从样本（意味着仅是平均值的近似值）计算方差。概率数学然后表明您必须对样本使用 1 的增量自由度（也称为方差 n-1），而对整个集合使用 ddof=0（也称为方差 n）。
np.var() 计算总体方差，但 var() 计算样本方差。
分母要减1
如果您使用的是 DolphinDB，请尝试 varp() 以获得相同的结果。
varp(1 6 2) = 4.666666666666667
Python:
np.var([1,6,2]) = 4.666666666666667
海豚数据库：
var(1 6 2) = 7
为什么返回的方差结果不一样？
试试这个代码
np.var([1,6,2] ,ddof=1)
ddofint, optional “Delta Degrees of Freedom”: the divisor used in the calculation is N - ddof, where N represents the number of elements. By default ddof is zero
编辑：（从 Serge Ballesta 的重播中添加的描述。谢谢）
基本原理是您可以从整个总体（意味着平均值是准确已知的）或仅从样本（意味着仅是平均值的近似值）计算方差。概率数学然后表明您必须对样本使用 1 的增量自由度（也称为方差 n-1），而对整个集合使用 ddof=0（也称为方差 n）。
np.var() 计算总体方差，但 var() 计算样本方差。
分母要减1
如果您使用的是 DolphinDB，请尝试 varp() 以获得相同的结果。
varp(1 6 2) = 4.666666666666667