当前位置: 首页>>代码示例 >>用法及示例精选 >>正文


Python pyspark DataFrame.sem用法及代码示例


本文简要介绍 pyspark.pandas.DataFrame.sem 的用法。

用法:

DataFrame.sem(axis: Union[int, str, None] = None, ddof: int = 1, numeric_only: bool = None) → Union[int, float, bool, str, bytes, decimal.Decimal, datetime.date, datetime.datetime, None, Series]

返回请求轴上平均值的无偏标准误差。

参数

axis{索引 (0), 列 (1)}

要应用的函数的轴。

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。不支持 False。这个参数主要是为了pandas的兼容性。

返回

标量(用于系列)或系列(用于 DataFrame)

例子

>>> psdf = ps.DataFrame({"a": [1, 2, 3], "b": [4, 5, 6]})
>>> psdf
   a  b
0  1  4
1  2  5
2  3  6
>>> psdf.sem()
a    0.57735
b    0.57735
dtype: float64
>>> psdf.sem(ddof=0)
a    0.471405
b    0.471405
dtype: float64
>>> psdf.sem(axis=1)
0    1.5
1    1.5
2    1.5
dtype: float64

支持系列

>>> psser = psdf.a
>>> psser
0    1
1    2
2    3
Name: a, dtype: int64
>>> psser.sem()
0.5773502691896258
>>> psser.sem(ddof=0)
0.47140452079103173

相关用法


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