當前位置: 首頁>>代碼示例 >>用法及示例精選 >>正文

Python Pandas DataFrame sem方法用法及代碼示例


Pandas DataFrame.sem(~)方法返回均值的無偏標準誤對於源 DataFrame 的每一行或每一列。

請注意，平均值的無偏標準誤差定義如下：

其中，

  • 是平均值的無偏標準誤差

  • 是無偏樣本標準差(默認情況下由 標準化)。

  • 是樣本大小(列或行中的值的數量)。

參數

1.axis | int 或 string | optional

是否按行或按列計算統計數據：

軸

說明

0 或 "index"

計算每列的 SEM。

0 或 "columns"

計算每行的 SEM。

默認情況下，axis=0 。

2. skipna | boolean | optional

是否忽略 NaN 。默認情況下，skipna=True 。

3. level | int 或 string | optional

如果源 DataFrame 是多索引，則目標級別。

4. ddof | int | optional

自由度δ。這可用於修改樣本方差的分母ddof：

默認情況下，ddof=1 。請注意， 用於計算 SEM。

返回值

如果指定了level參數，則將返回DataFrame。否則，將返回Series。

例子

考慮以下 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

計算每列的 SEM

默認情況下， axis=0 ，這意味著我們計算每列的 SEM：

df.sem()



A    1.732051
B    0.577350
dtype: float64

計算每行的 SEM

要計算每行的 SEM，請傳入 axis=1，如下所示：

df.sem(axis=1)



a    1.0
b    0.0
c    1.0
dtype: float64

相關用法


注：本文由純淨天空篩選整理自Isshin Inada大神的英文原創作品 Pandas DataFrame | sem method。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。