pandas.core.groupby.SeriesGroupBy.var # 系列分组依据。var ( ddof = 1 , engine = None , engine_kwargs = None , numeric_only = False ) [来源] # 计算组的方差,排除缺失值。 对于多个分组,结果索引将是 MultiIndex。 参数: ddof int,默认1自由程度。 引擎str,默认无 'cython':通过 cython 的 C 扩展运行操作。 'numba':通过 numba 的 JIT 编译代码运行操作。 None:默认'cython'或全局设置 compute.use_numba 1.4.0 版本中的新增功能。 engine_kwargs字典,默认 None 对于'cython'发动机,没有可接受的engine_kwargs 对于'numba'引擎,引擎可以接受nopython,nogil 和parallel字典键。这些值必须是True或 False。引擎engine_kwargs的默认值'numba'是 {{'nopython': True, 'nogil': False, 'parallel': False}} 1.4.0 版本中的新增功能。 numeric_only布尔值,默认 False仅包含float、int或boolean数据。 1.5.0 版本中的新增内容。 在版本 2.0.0 中更改: numeric_only 现在默认为False. 返回: 系列或数据框每组内值的方差。 也可以看看 Series.groupby将函数 groupby 应用于系列。 DataFrame.groupby将函数 groupby 应用于 DataFrame 的每一行或每一列。 例子 对于系列分组依据: >>> lst = ['a', 'a', 'a', 'b', 'b', 'b'] >>> ser = pd.Series([7, 2, 8, 4, 3, 3], index=lst) >>> ser a 7 a 2 a 8 b 4 b 3 b 3 dtype: int64 >>> ser.groupby(level=0).var() a 10.333333 b 0.333333 dtype: float64 对于 DataFrameGroupBy: >>> data = {'a': [1, 3, 5, 7, 7, 8, 3], 'b': [1, 4, 8, 4, 4, 2, 1]} >>> df = pd.DataFrame(data, index=['dog', 'dog', 'dog', ... 'mouse', 'mouse', 'mouse', 'mouse']) >>> df a b dog 1 1 dog 3 4 dog 5 8 mouse 7 4 mouse 7 4 mouse 8 2 mouse 3 1 >>> df.groupby(level=0).var() a b dog 4.000000 12.333333 mouse 4.916667 2.250000