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，本译文未经允许或授权，请勿转载或复制。