当前位置: 首页>>代码示例 >>用法及示例精选 >>正文

Python Pandas DataFrame sem方法用法及代码示例


Pandas DataFrame.sem(~)方法返回均值的无偏标准误对于源 DataFrame 的每一行或每一列。

请注意，平均值的无偏标准误差定义如下：

其中，

  • 是平均值的无偏标准误差

  • 是无偏样本标准差(默认情况下由 标准化)。

  • 是样本大小(列或行中的值的数量)。

参数

1.axis | int 或 string | optional

是否按行或按列计算统计数据：

轴

说明

0 或 "index"

计算每列的 SEM。

0 或 "columns"

计算每行的 SEM。

默认情况下，axis=0 。

2. skipna | boolean | optional

是否忽略 NaN 。默认情况下，skipna=True 。

3. level | int 或 string | optional

如果源 DataFrame 是多索引，则目标级别。

4. ddof | int | optional

自由度δ。这可用于修改样本方差的分母ddof：

默认情况下，ddof=1 。请注意， 用于计算 SEM。

返回值

如果指定了level参数，则将返回DataFrame。否则，将返回Series。

例子

考虑以下 DataFrame ：

df = pd.DataFrame({"A":[2,5,8], "B":[4,5,6]}, index=["a","b","c"])
df



   A  B
a  2  4
b  5  5
c  8  6

计算每列的 SEM

默认情况下， axis=0 ，这意味着我们计算每列的 SEM：

df.sem()



A    1.732051
B    0.577350
dtype: float64

计算每行的 SEM

要计算每行的 SEM，请传入 axis=1，如下所示：

df.sem(axis=1)



a    1.0
b    0.0
c    1.0
dtype: float64

相关用法


注：本文由纯净天空筛选整理自Isshin Inada大神的英文原创作品 Pandas DataFrame | sem method。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。