Python pd.DataFrame.agg（np.var）与pd.Series.np.var

以两种方式对同一数据集使用np.var（），但它们给出了两种不同的结果。 不要认为这是因为n&n-1问题，因为它是同一数据集的同一个numpy函数（熊猫系列——SAT数学分数）

以下是两种方式：

直接进入一系列

将其与过滤后的数据帧一起使用+ pd.df.agg（）方法

然而，他们给出了两种不同的结果。我在别处读到过，这可能是因为它的计算方式，即

n

vs

n-1

希望得到一些确认/澄清。我很困惑，因为我在两种情况下都使用相同的函数np.var（）：

np.var（sat\U 2017.Math），np.std（sat\U 2017.Math）

sat_2017.iloc[：，3].agg（[np.var，np.std]）

输出：

• 差异：7068.194540561321
• 标准偏差：84.07255521608297

• 差异：7209.558431
• 标准偏差：84.909119

---

根据源代码，这似乎是一个bug

当

pd.Series.agg

获取函数对象时，它会在预定义的cython函数列表中查找该对象：

# pandas.core.base line:555
f = self._is_cython_func(arg)

# pandas.core.base line:639
def _is_cython_func(self, arg):
    """ if we define an internal function for this argument, return it """
    return self._cython_table.get(arg)

其中包括：

pd.Series._cython_table
OrderedDict([(<function sum(iterable, start=0, /)>, 'sum'),
         ...
         (<function numpy.var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=<no value>)>,'var'),

然后在

getattr

中使用：

# pandas.core.base line 556
if f and not args and not kwargs:
    return getattr(self, f)(), None

whic返回：

getattr(pd.Series, 'var')
<function pandas.core.series.Series.var(self, axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)>

getattr（pd.Series，'var'）

罪魁祸首来了<代码>ddof现在为1

getattr(pd.Series, 'var')
<function pandas.core.series.Series.var(self, axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)>