Python Pandas Series.var

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

Pandas系列是一个带有轴标签的一维ndarray。标签不需要是唯一的，但必须是一个可散列的类型。该对象支持基于整数和标签的索引，并提供了大量的方法来执行涉及索引的操作。

Pandas Series.var()函数返回请求轴上的无偏方差。默认情况下，方差被归一化为N-1。这可以通过ddof参数来改变。

语法: Series.var(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)

参数:
axis : {索引(0)}
skipna : 排除NA/null值。如果整个行/列是NA，结果将是NA。
level : 如果轴是一个MultiIndex（分层的），沿着一个特定的层次计数，折叠成一个标量。
ddof :德尔塔自由度。计算中使用的除数是N – ddof，其中N代表元素的数量。
numeric_only :只包括浮动、int、boolean列。如果没有，将尝试使用所有数据，然后只使用数字数据。不实现系列。

返回： var：标量或系列（如果指定级别）

例子#1：使用Series.var()函数查找给定的Series对象的方差。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([19.5, 16.8, 22.78, 20.124, 18.1002])
  
# Print the series
print(sr)

输出 :

现在我们将使用Series.var()函数来寻找给定系列对象的方差。

# find the variance
sr.var()

输出 :

正如我们在输出中看到的，Series.var()函数已经返回了给定系列对象的方差。

实例2：使用Series.var()函数来查找给定系列对象的方差。给定的系列对象包含一些缺失的值。

注意：我们可以通过设置skipna参数为True来跳过缺失值。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([100, 214, 325, 88, None, 325, None, 68])
  
# Print the series
print(sr)

输出 :

现在我们将使用Series.var()函数来寻找给定系列对象的方差。

# find the variance
sr.var(skipna = True)

输出 :

正如我们在输出中看到的，Series.var()函数已经返回了给定系列对象的方差。