迹忆客 专注技术分享

本教程将演示如何计算 Python Pandas DataFrame 中的方差。

方差的定义

统计方差是数据离散度的度量。通过方差，我们可以知道数据中的分布。

数据点离它们的平均值越远，方差越大。方差是平方标准差。

方差分三步计算：

• 确定每个数据点与平均值的差异程度。

• 计算每个差值的平方。

• 将平方差的总和除以样本中的观察数（减 1）。

我们使用 DataFrame 对象调用 var() 方法来计算方差。此方法接受四个可选参数。

语法：

# Python 3.x
variance = df.var(axis, skipna, level, ddof)

• axis：指定沿哪个轴计算方差。值 0 表示一列，值 1 表示一行。默认值为 0（列轴）。
• skipna：指定是否跳过空值。默认值是 true。
• level：与多索引（分层）轴的某个级别一起计数，折叠成一个系列。字符串指定级别的名称。
• ddof：代表自由度。N – ddof 是计算中使用的除数，其中 N 是元素的数量。
• numeric_only：仅使用浮点、整数和布尔列。如果 None，一切都会先尝试，然后只使用数字数据，对于 Series，没有实现。

计算 Pandas DataFrame 中单列的方差

在调用 var() 方法计算方差时，我们可以通过在方括号中指定 DataFrame 的列名来计算单列的方差。

示例代码：

# Python 3.x
import pandas as pd

df = pd.DataFrame(
    {"C1": [2, 7, 5, 4], "C2": [4, 1, 8, 2], "C3": [6, 6, 6, 5], "C4": [3, 2, 8, 7]}
)
display(df)
C1_variance = df["C1"].var()
print("Variance of C1:", C1_variance)

输出：

计算整个 Pandas DataFrame 的方差

我们可以使用 DataFrame 对象的内置方法来计算整个 DataFrame 的均值、标准差和方差。

在下面的代码中，我们有一个 DataFrame，我们计算了所有这三个变量并将它们存储在另一个名为 stats 的 DataFrame 中。

mean() 方法计算平均值。std() 方法计算标准差，var() 方法计算整个 DataFrame 的方差。

最后，我们展示了 statsDataFrame。

示例代码：

# Python 3.x
import pandas as pd

df = pd.DataFrame(
    {"C1": [2, 7, 5, 4], "C2": [4, 1, 8, 2], "C3": [6, 6, 6, 5], "C4": [3, 2, 8, 7]}
)
display(df)
stats = pd.DataFrame()
stats["Mean"] = df.mean()
stats["Std_Dev"] = df.std()
stats["Variance"] = df.var()
display(stats)

输出：

计算 Pandas DataFrame 沿列轴的方差

为了逐列计算方差，我们将指定 axis=0 作为 var() 方法的参数。默认情况下，方差是按列计算的。

示例代码：

# Python 3.x
import pandas as pd

df = pd.DataFrame(
    {"C1": [2, 7, 5, 4], "C2": [4, 1, 8, 2], "C3": [6, 6, 6, 5], "C4": [3, 2, 8, 7]}
)
display(df)
df.var(axis=0)

计算 Pandas DataFrame 沿行轴的方差

我们将指定 axis=1 作为 var() 方法的参数，以计算行值的方差。

示例代码：

# Python 3.x
import pandas as pd

df = pd.DataFrame(
    {"C1": [2, 7, 5, 4], "C2": [4, 1, 8, 2], "C3": [6, 6, 6, 5], "C4": [3, 2, 8, 7]}
)
display(df)
df.var(axis=1)

输出：