方差可以反应变量的离散程度，是因为它度量了数据点与均值的差异。方差是每个数据点与均值的差的平方和的平均值，它可以反映数据点在均值附近的分布情况。如果方差较小，说明数据点更加集中在均值附近，离散程度较小；如果方差较大，说明数据点更加分散，离散程度较大。因此，方差可以用来衡量数据的离散程度。

深度学习中，方差一定程度上也反映了数据样本的分布情况。

 

调用numpy库

 首先需要安装numpy库，看你使用的哪个环境。

pip install numpy


conda install numpy

调用numpy的var库即可，已经封装的很好了。

import numpy as np  
  
# 创建一个包含数据的NumPy数组  
data = np.array([1, 2, 3, 4, 5])  
  
# 计算方差  
variance = np.var(data)  
  
print("方差为:", variance)

手动实现 

def variance(data):  
    # 计算平均值  
    mean = sum(data) / len(data)  
      
    # 计算每个数据点与均值的差的平方  
    squared_diff = [(x - mean) ** 2 for x in data]  
      
    # 计算方差  
    variance = sum(squared_diff) / len(data)  
      
    return variance

先求均值，再求方差，得到的结果与上面一致。