【Pandas】pandas Series var

Pandas2.2 Series

Computations descriptive stats

pandas.Series.var

pandas.Series.var() 方法用于计算 Series 中元素的样本方差。以下是该方法的详细描述：

• 参数：

  • axis：{index (0)}，默认为0。此参数在 Series 中通常不使用，因为 Series 是一维数据结构。
  • skipna：布尔值，默认为 True。如果设置为 True，则在计算时忽略 NaN 值；如果设置为 False，则 NaN 值会导致结果也为 NaN。
  • ddof：整数，默认为 1。表示“Delta Degrees of Freedom”（自由度调整）。方差计算公式中的分母是 N - ddof，其中 N 是观测值的数量。默认情况下，ddof=1 计算的是无偏样本方差。
  • numeric_only：布尔值，默认为 None。如果设置为 True，则只包含数值列（float、int、boolean）。此参数在 Series 中通常不使用，因为 Series 只有一种数据类型。

• 返回值：

  • 返回一个标量值，表示 Series 中所有元素的样本方差。

示例及结果

import pandas as pd

# 创建一个简单的 Series
s = pd.Series([1, 2, 3, 4, 5])

# 计算 Series 的样本方差，默认 ddof=1
result_default_ddof = s.var()
print("Variance with default ddof (1):", result_default_ddof)

# 设置 ddof=0 计算总体方差
result_ddof_0 = s.var(ddof=0)
print("Variance with ddof=0:", result_ddof_0)

# 包含 NaN 值的 Series
s_with_nan = pd.Series([1, 2, 3, None, 5])

# 忽略 NaN 值计算方差
result_skipna_true = s_with_nan.var(skipna=True)
print("Variance with skipna=True:", result_skipna_true)

# 不忽略 NaN 值计算方差
result_skipna_false = s_with_nan.var(skipna=False)
print("Variance with skipna=False:", result_skipna_false)

输出结果

Variance with default ddof (1): 2.5
Variance with ddof=0: 2.0
Variance with skipna=True: 2.9166666666666665
Variance with skipna=False: nan

解释

• 对于没有 NaN 值的 Series：

  • 默认情况下 (ddof=1)，计算的是无偏样本方差。
  • 如果将 ddof 设置为 0，则计算的是总体方差。

• 当 Series 中包含 NaN 值时：

  • 如果 skipna=True，则忽略 NaN 值并计算剩余元素的方差。
  • 如果 skipna=False，则只要存在 NaN 值，结果就会是 NaN。