当前位置: 首页>>代码示例>>用法及示例精选>>正文


Python Pandas dataframe.std()用法及代码示例

Python是进行数据分析的一种出色语言,主要是因为以数据为中心的python软件包具有奇妙的生态系统。 Pandas是其中的一种,使导入和分析数据更加容易。

Pandas dataframe.std()函数返回请求轴上的样品标准偏差。默认情况下,标准偏差由N-1归一化。它是一种用于量化一组数据值的变化或离散量的度量。欲了解更多信息,请点击此处

用法:DataFrame.std(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)

参数:
axis:{索引(0),列(1)}
skipna:排除NA /空值。如果整个行/列均为NA,则结果为NA
level:如果轴是MultiIndex(分层),则沿特定级别计数,并折叠为Series
ddof:Delta自由度。计算中使用的除数为N-ddof,其中N表示元素数。
numeric_only:仅包括float,int,boolean列。如果为None,将尝试使用所有内容,然后仅使用数字数据。未针对系列实施。

返回:std:Series或DataFrame(如果指定级别)

要链接到代码中使用的CSV文件,请单击此处

范例1:采用std()函数沿索引轴查找数据的标准偏差。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.read_csv("nba.csv") 
  
# Print the dataframe 
df

现在找到 DataFrame 中所有数字列的标准偏差。我们将跳过NaN计算标准偏差中的值。

# finding STD 
df.std(axis = 0, skipna = True)

输出:

范例2:采用std()函数以查找列轴上的标准偏差。

找到沿列轴的标准偏差。我们将skipna设置为true。如果我们不跳过NaN值,它将导致NaN值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the dataframe  
df = pd.read_csv("nba.csv") 
  
# STD over the column axis. 
df.std(axis = 1, skipna = True)

输出:



相关用法

注:本文由纯净天空筛选整理自Shubham__Ranjan大神的英文原创作品 Python | Pandas dataframe.std()。非经特殊声明,原始代码版权归原作者所有,本译文的传播和使用请遵循“署名-相同方式共享 4.0 国际 (CC BY-SA 4.0)”协议。