Python计算方差、标准差时 Numpy 和 Pandas 的区别
在数据分析的时候，发现使用
Numpy和Pandas时，计算出的方差和标准差有略微的区别，通过查阅资料，发现原因并非编码错误，而是本身内置函数的区别。特此记录。
Numpy中的var函数（std函数），默认是总体方差（总体标准差），若需要得到样本方差（样本标准差），需要让参数ddof=1，如
np.var(a) # 总体方差
np.std(a) # 总体标准差
np.var(a, ddof=1) # 样本方差
np.std(a, ddof=1) # 样本标准差
【Note】1）总体方差：计算时除以样本数N；2）样本方差：计算时除以N-1。
Pandas中的var函数（std函数），默认是样本方差（样本标准差）。若要得到每一行的数学特征，需要让参数axis=1，如
# 每一列的方差、标准差
df.var()
df.std()
# 每一行的方差、标注差
df.var(axis=1)
df.std(axis=1)