Python是進行資料分析的一種出色語言，主要是因為以資料為中心的python軟體包具有奇妙的生态系統。 Pandas是其中的一種，使導入和分析資料更加容易。
Pandas 系列是帶有軸标簽的一維ndarray。标簽不必是唯一的，但必須是可哈希的類型。該對象同時支援基于整數和基于标簽的索引，并提供了許多方法來執行涉及索引的操作。
Pandas Series.var()函數在請求的軸上傳回無偏方差。預設情況下，方差由N-1歸一化。可以使用ddof參數進行更改。
用法： Series.var(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)
參數：
axis:{索引(0)}
skipna:排除NA /空值。如果整個行/列均為NA，則結果為NA
level:如果軸是MultiIndex(分層)，則沿特定級别計數，并折疊成标量
ddof:Delta自由度。計算中使用的除數為N-ddof，其中N表示元素數。
numeric_only:僅包括float，int，boolean列。如果為None，将嘗試使用所有内容，然後僅使用數字資料。未針對系列實施。
傳回：var：标量或系列(如果指定級别)
範例1：采用Series.var()函數以查找給定Series對象的方差。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([19.5, 16.8, 22.78, 20.124, 18.1002])
# Print the series
print(sr)
輸出：
現在我們将使用Series.var()函數以查找給定系列對象的方差。
# find the variance
sr.var()
輸出：
正如我們在輸出中看到的，Series.var()函數已傳回給定Series對象的方差。
範例2：采用Series.var()函數以查找給定Series對象的方差。給定的Series對象包含一些缺失值。
注意：我們可以通過将skipna參數設定為來跳過缺少的值True。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([100, 214, 325, 88, None, 325, None, 68])
# Print the series
print(sr)
輸出：
現在我們将使用Series.var()函數以查找給定系列對象的方差。
# find the variance
sr.var(skipna = True)
輸出：
正如我們在輸出中看到的，Series.var()函數已傳回給定Series對象的方差。