Python Pandas Series.sem()用法及代码示例

Pandas 系列是带有轴标签的一维ndarray。标签不必是唯一的，但必须是可哈希的类型。该对象同时支持基于整数和基于标签的索引，并提供了许多方法来执行涉及索引的操作。

Pandas Series.sem()函数返回所请求轴上的平均值的无偏标准误差。默认情况下，结果由N-1归一化。可以使用ddof参数进行更改。

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

范例1：采用Series.sem()函数来查找给定Series对象中基础数据的平均值的标准误差。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series([100, 25, 32, 118, 24, 65]) 
  
# Print the series 
print(sr)

输出：

现在我们将使用Series.sem()函数查找基础数据均值的标准误。

# find standard error of the mean 
sr.sem()

输出：

从输出中可以看到，Series.sem()函数已成功计算标准误差，即给定Series对象中基础数据的平均值。

范例2：采用Series.sem()函数来查找给定Series对象中基础数据的平均值的标准误差。给定的Series对象还包含一些缺少的值。

# importing pandas as pd 
import pandas as pd 
  
# Creating the Series 
sr = pd.Series([19.5, 16.8, None, 22.78, None, 20.124, None, 18.1002, None]) 
  
# Print the series 
print(sr)

输出：

现在我们将使用Series.sem()函数查找基础数据均值的标准误。

# find standard error of the mean 
# Skip all the missing values 
sr.sem(skipna = True)

输出：

从输出中可以看到，Series.sem()函数已成功计算标准误差，即给定Series对象中基础数据的平均值。