Python是進行數據分析的一種出色語言,主要是因為以數據為中心的python軟件包具有奇妙的生態係統。 Pandas是其中的一種,使導入和分析數據更加容易。
Pandas 係列是帶有軸標簽的一維ndarray。標簽不必是唯一的,但必須是可哈希的類型。該對象同時支持基於整數和基於標簽的索引,並提供了許多方法來執行涉及索引的操作。
Pandas Series.var()
函數在請求的軸上返回無偏方差。默認情況下,方差由N-1歸一化。可以使用ddof參數進行更改。
用法: Series.var(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)
參數:
axis:{索引(0)}
skipna:排除NA /空值。如果整個行/列均為NA,則結果為NA
level:如果軸是MultiIndex(分層),則沿特定級別計數,並折疊成標量
ddof:Delta自由度。計算中使用的除數為N-ddof,其中N表示元素數。
numeric_only:僅包括float,int,boolean列。如果為None,將嘗試使用所有內容,然後僅使用數字數據。未針對係列實施。
返回:var:標量或係列(如果指定級別)
範例1:采用Series.var()
函數以查找給定Series對象的方差。
# 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)
輸出:
現在我們將使用Series.var()
函數以查找給定係列對象的方差。
# find the variance
sr.var()
輸出:
正如我們在輸出中看到的,Series.var()
函數已返回給定Series對象的方差。
範例2:采用Series.var()
函數以查找給定Series對象的方差。給定的Series對象包含一些缺失值。
注意:我們可以通過將skipna參數設置為來跳過缺少的值True
。
# 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)
輸出:
現在我們將使用Series.var()
函數以查找給定係列對象的方差。
# find the variance
sr.var(skipna = True)
輸出:
正如我們在輸出中看到的,Series.var()
函數已返回給定Series對象的方差。
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.max()用法及代碼示例
- Python Pandas Series.pow()用法及代碼示例
- Python Pandas dataframe.get()用法及代碼示例
- Python Pandas Series.div()用法及代碼示例
- Python Pandas Series.xs用法及代碼示例
- Python Pandas Series.min()用法及代碼示例
- Python Pandas PeriodIndex.day用法及代碼示例
- Python Pandas Index.min()用法及代碼示例
- Python Pandas Series.where用法及代碼示例
- Python Pandas Series.loc用法及代碼示例
- Python Pandas dataframe.eq()用法及代碼示例
- Python Pandas Series.sub()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas Series.mean()用法及代碼示例
注:本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas Series.var。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。