计算 Pandas DataFrame 中的方差 |
您所在的位置:网站首页 › python计算方差代码不用 › 计算 Pandas DataFrame 中的方差 |
方差的定义
计算 Pandas DataFrame 中单列的方差
计算整个 Pandas DataFrame 的方差
计算 Pandas DataFrame 沿列轴的方差
计算 Pandas DataFrame 沿行轴的方差
本教程将演示如何计算 Python Pandas DataFrame 中的方差。 クラウド・コンピューテ...Please enable JavaScript クラウド・コンピューティングの歴史 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: |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |