Pandas是基于NumPy 的一种工具,该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型,提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现,它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.var方法的使用。

DataFrame.var(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)     [source]

返回请求轴上的无偏方差。

默认情况下由N-1标准化。 可以使用ddof参数更改

参数:

axis {index (0), columns (1)}

skipnabool, 默认为 True

排除NA/null值。 如果整个行/列均为NA

则结果为NA

level int level name, 默认为None

如果轴是MultiIndex(分层),则沿特定级别计数,

并折叠为Series。

ddof bool, 默认为 False

Delta自由度。 计算中使用的除数为N-ddof

其中N表示元素数。

numeric_only bool, 默认为 None

仅包括floatintboolean列。

 如果为None

将尝试使用所有内容,然后仅使用数字数据。 

未针对Series实施。

返回值:

Series DataFrame (如果指定level)

推荐文档

相关文档

大家感兴趣的内容

随机列表