Python 数组与列表中数据计算的细微差异

正如您在下面的代码中所看到的，我用两种不同的方法计算“open”列中数据的方差。唯一的区别是，在第二个版本中，我获取值，而不是包含值的列。为什么这会导致不同的方差计算

apple\u prices=pd.read\u csv（'apple\u prices.csv'））
打印（apple_prices['open'].values.var（））
#打印102.22564310059172
打印（apple_prices['open'].var（））
#打印103.82291877403847

产生差异的原因是

pandas.Series.var

的默认

ddof

（增量自由度）为1，而

numpy.ndarray.var

的默认

ddof

为0。手动设置此选项会产生相同的结果：

import pandas as pd
import numpy as np
np.random.seed(0)

x = pd.Series(np.random.rand(100))

print(x.var(ddof=1))
# 0.08395738934787107


print(x.values.var(ddof=1))
# 0.08395738934787107

请参阅以下文档：

---

产生差异的原因是

pandas.Series.var

的默认

ddof

（增量自由度）为1，而

numpy.ndarray.var

的默认

ddof

为0。手动设置此选项会产生相同的结果：

import pandas as pd
import numpy as np
np.random.seed(0)

x = pd.Series(np.random.rand(100))

print(x.var(ddof=1))
# 0.08395738934787107


print(x.values.var(ddof=1))
# 0.08395738934787107

请参阅以下文档：

---

Pandas和numpy的自由度默认值不同。Pandas和numpy的自由度默认值不同。