Python pandas.DataFrame.std用法及代码示例

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

返回请求轴上的样本标准偏差。

默认由 N-1 归一化。这可以使用 ddof 参数进行更改。

参数：

axis：{索引 (0), 列 (1)}
skipna：布尔值，默认为真: 排除 NA/空值。如果整行/列为 NA，则结果将为 NA。
level：int 或级别名称，默认无: 如果轴是 MultiIndex(分层)，则沿特定级别计数，折叠成一个系列。
ddof：整数，默认 1: Delta 自由度。计算中使用的除数是 N - ddof，其中 N 表示元素的数量。
numeric_only：布尔值，默认无: 仅包括 float、int、boolean 列。如果没有，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。

Series 或 DataFrame(如果指定了级别)

注意：

要具有与 numpy.std 相同的行为，请使用 ddof=0 (而不是默认的 ddof=1 )

例子：

>>> df = pd.DataFrame({'person_id':[0, 1, 2, 3],
...                   'age':[21, 25, 62, 43],
...                   'height':[1.61, 1.87, 1.49, 2.01]}
...                  ).set_index('person_id')
>>> df
           age  height
person_id
0           21    1.61
1           25    1.87
2           62    1.49
3           43    2.01

列的标准偏差可以找到如下：

>>> df.std()
age       18.786076
height     0.237417

或者，ddof=0 可以设置为按 N 而不是 N-1 进行归一化：

>>> df.std(ddof=0)
age       16.269219
height     0.205609

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 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。

用法:

参数：

返回：

注意：

例子：