Pandas 係列是帶有軸標簽的一維ndarray。標簽不必是唯一的,但必須是可哈希的類型。該對象同時支持基於整數和基於標簽的索引,並提供了許多方法來執行涉及索引的操作。
Pandas Series.std()
函數返回請求軸上的樣品標準偏差。默認情況下,標準偏差由N-1歸一化。可以使用ddof參數進行更改。
用法: Series.std(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)
參數:
axis:{索引(0)}
skipna:排除NA /空值。如果整個行/列均為NA,則結果為NA
level:如果軸是MultiIndex(分層),則沿特定級別計數,並折疊成標量
ddof:Delta自由度。計算中使用的除數為N-ddof,其中N表示元素數。
numeric_only:布爾值,默認值無
返回:std:標量或係列(如果指定級別)
範例1:采用Series.std()
函數查找給定Series對象的標準偏差。
# 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)
輸出:
現在我們將使用Series.std()
函數查找給定Series對象的標準偏差。
# find standard-deviation along the
# 0th index
sr.std()
輸出:
從輸出中可以看到,Series.std()
函數已成功計算給定Series對象的標準偏差。
範例2:采用Series.std()
函數查找給定Series對象的標準偏差。我們的係列對象中有一些缺失值,因此跳過那些缺失值。
# 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)
輸出:
現在我們將使用Series.std()
函數查找給定Series對象的標準偏差。
# find standard-deviation along the
# 0th index
sr.std(skipna = True)
輸出:
從輸出中可以看到,Series.std()
函數已成功計算給定Series對象的標準偏差。如果我們不跳過缺少的值,那麽輸出將是NaN
。
相關用法
- Python pandas.map()用法及代碼示例
- Python Pandas Series.str.len()用法及代碼示例
- Python Pandas.factorize()用法及代碼示例
- Python Pandas TimedeltaIndex.name用法及代碼示例
- Python Pandas dataframe.ne()用法及代碼示例
- Python Pandas Series.between()用法及代碼示例
- Python Pandas DataFrame.where()用法及代碼示例
- Python Pandas Series.add()用法及代碼示例
- Python Pandas.pivot_table()用法及代碼示例
- Python Pandas Series.mod()用法及代碼示例
- Python Pandas Dataframe.at[ ]用法及代碼示例
- Python Pandas Dataframe.iat[ ]用法及代碼示例
- Python Pandas.pivot()用法及代碼示例
- Python Pandas dataframe.mul()用法及代碼示例
- Python Pandas.melt()用法及代碼示例
注:本文由純淨天空篩選整理自Shubham__Ranjan大神的英文原創作品 Python | Pandas Series.std()。非經特殊聲明,原始代碼版權歸原作者所有,本譯文未經允許或授權,請勿轉載或複製。