pandasとnumpy 分散「var()」の違い

pandas

ddof=0：標本標準偏差 　＜デフォルト＞
ddof=1：母標準偏差

＜デフォルト＞標本標準偏差 ddof=0

q=pd.Series([-4,-2,0,2,4])
print(f'平均＝{q1.mean()}　分散＝{q1.var(ddof=0)} 　標準偏差＝ {q1.std()}')

平均＝0.0　分散＝8.0 　標準偏差＝ 3.1622776601683795

母標準偏差 ddof=1

q=pd.Series([-4,-2,0,2,4])
print(f'平均＝{q1.mean()}　分散＝{q1.var(ddof=1)} 　標準偏差＝ {q1.std()}')

平均＝0.0　分散＝10.0 　標準偏差＝ 3.1622776601683795

numpy

ddof=0：標本標準偏差
ddof=1：母標準偏差 　＜デフォルト＞

標本標準偏差 ddof=0

q1=np.array([-4,-2,0,2,4])
print(f'平均＝{q1.mean()}　分散＝{q1.var(ddof=0)} 　標準偏差＝ {q1.std()}')

平均＝0.0　分散＝8.0 　標準偏差＝ 3.1622776601683795

＜デフォルト＞母標準偏差 ddof=1

q1=np.array([-4,-2,0,2,4])
print(f'平均＝{q1.mean()}　分散＝{q1.var()} 　標準偏差＝ {q1.std()}')

平均＝0.0　分散＝10.0 　標準偏差＝ 3.1622776601683795