pandas.Series.var#

Series.var(*, axis=None, skipna=True, ddof=1, numeric_only=False, **kwargs)[源代码][源代码]#

返回请求轴上的无偏方差。

默认情况下按 N-1 归一化。这可以使用 ddof 参数进行更改。

参数:

轴{索引 (0)}: 对于 Series ，此参数未使用并默认为 0。

警告

在使用 axis=None 的情况下，DataFrame.var 的行为已被弃用，在未来的版本中，这将同时对两个轴进行缩减并返回一个标量。要保留旧的行为，请传递 axis=0（或不传递 axis）。
skipna布尔值, 默认为 True: 排除 NA/null 值。如果整行/整列都是 NA，结果将是 NA。
ddofint, 默认 1: 自由度增量。计算中使用的除数是 N - ddof，其中 N 表示元素的数量。
numeric_onlybool, 默认 False: 仅包含浮点数、整数、布尔列。未对 Series 实现。
**kwargs: 附加的关键字传递。

返回:

标量或系列（如果指定了级别）: 请求轴上的无偏方差。

参见

numpy.var: NumPy 中的等效函数。
Series.std: 返回 Series 的标准差。
DataFrame.var: 返回DataFrame的方差。
DataFrame.std: 返回请求轴上值的标准差。

示例

>>> df = pd.DataFrame(
...     {
...         "person_id": [0, 1, 2, 3],
...         "age": [21, 25, 62, 43],
...         "height": [1.61, 1.87, 1.49, 2.01],
...     }
... ).set_index("person_id")
>>> df
           age  height
person_id
0           21    1.61
1           25    1.87
2           62    1.49
3           43    2.01

>>> df.var()
age       352.916667
height      0.056367
dtype: float64

或者，可以设置 ddof=0 以通过 N 而不是 N-1 进行归一化：

>>> df.var(ddof=0)
age       264.687500
height      0.042275
dtype: float64