pandas.core.window.rolling.Rolling.var#
- Rolling.var(ddof=1, *args, engine=None, engine_kwargs=None, **kwargs)[源代码]#
计算滚动差异。
- 参数
- ddof整型,默认值为1
增量自由度。计算中使用的除数是
N - ddof
,在哪里N
表示元素的数量。- *args
对于NumPy兼容性,不会对结果产生影响。
- engine字符串,默认为无
'cython'
:从cython通过C扩展运行操作。'numba'
:通过来自Numba的JIT编译代码运行操作。None
: Defaults to'cython'
or globally settingcompute.use_numba
1.4.0 新版功能.
- engine_kwargsDict,默认无
为
'cython'
发动机,有没有接受engine_kwargs
为
'numba'
发动机,发动机可以接受nopython
,nogil
和parallel
词典的关键字。这些值必须是True
或False
。默认设置engine_kwargs
对于'numba'
引擎是{{'nopython': True, 'nogil': False, 'parallel': False}}
1.4.0 新版功能.
- **kwargs
对于NumPy兼容性,不会对结果产生影响。
- 退货
- 系列或DataFrame
返回类型与原始对象相同,
np.float64
数据类型。
参见
numpy.var
NumPy数组的等价方法。
pandas.Series.rolling
使用系列数据进行呼叫滚动。
pandas.DataFrame.rolling
使用DataFrames调用滚动。
pandas.Series.var
聚合系列的VAR。
pandas.DataFrame.var
正在聚合DataFrame的var。
注意事项
默认设置
ddof
共1个,用于Series.var()
与默认设置不同ddof
共0英寸numpy.var()
。滚动计算至少需要一个周期。
示例
>>> s = pd.Series([5, 5, 6, 7, 5, 5, 5]) >>> s.rolling(3).var() 0 NaN 1 NaN 2 0.333333 3 1.000000 4 1.000000 5 1.333333 6 0.000000 dtype: float64