pandas.Series.var#

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

返回请求的轴上的无偏差。

默认情况下由N-1规格化。这可以使用ddof参数进行更改。

参数

axis{索引(0)}
skipna布尔值，默认为True: 排除NA/NULL值。如果整行/列为NA，则结果将为NA。
levelInt或Level名称，默认为无: 如果轴是多索引(分层)，则沿特定级别计数，折叠为标量。
ddof整型，默认值为1: 增量自由度。计算中使用的除数是N-ddof，其中N表示元素的数量。
numeric_only布尔默认为无: 包括浮点型、整型、布尔型列。如果没有，将尝试使用所有内容，然后仅使用数字数据。未针对系列实施。

退货

标量或系列(如果指定了级别)

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

或者， ddof=0 可以设置为按N而不是N-1进行规格化：

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

pandas.Series.value_counts

pandas.Series.view