Python pandas DataFrame中的.Value返回的数组是否具有不同的精度？

计算pandas列的std我注意到它不同于std，std是从numpy数组计算出来的，由.values方法从同一列返回。精度有差别吗

length = 5
fill = np.random.randn(length)
df2 = pd.DataFrame(index=range(length), columns = ["test"])
df2.test = fill
pandas = df2.iloc[:,0]
array = df2.iloc[:,0].values
print(f"pandas std: {pandas.std():0.6f}, numpy std: {array.std():0.6f}")
print(f"Difference: {(pandas.std()/array.std()-1)*100:0.2f}%")

熊猫标准：0.764161，努比标准：0.683486 差额：11.80%

---

由于这里的数字不多，5之间的差异非常明显。如果只使用两个数字，差异将增长到40%。pandas和结果数组中的数字在精度方面也不同，但我认为这仅仅是因为pandas只显示6位数字，而保留整个十进制长度。

这与浮点值的精度无关；相反，这是熊猫应用的结果，而不是numpy

长话短说，这两个函数都有一个ddof参数，用于确定如何处理标准偏差的原始方差平方

对于numpy，它默认为0，这意味着它将原封不动地返回

另一方面，它默认为1，这意味着它等于numpy乘以N/N-1计算的方差，其中N是您拥有的数据点的数量。如果对pandas对象调用stdddof=0，它将返回与numpy相同的结果