python – 如何计算数据帧行的标准差？

发布时间：2020-12-20 11:52:50 所属栏目：Python 来源：网络整理

导读：df: name group S1 S2 S3 A mn 1 2 8 B mn 4 3 5 C kl 5 8 2 D kl 6 5 5 E fh 7 1 3 output: std (S1,S2,S3)3.78130.573.05 这是为了获取列的std： numpy.std(df['A']) 我想对行做同样的事情解决方法您可以使用 DataFrame.std ,它省略非数字列： print (df

df:  

name   group   S1   S2  S3        
A      mn      1    2   8         
B      mn      4    3   5        
C      kl      5    8   2        
D      kl      6    5   5         
E      fh      7    1   3         

output: 

std (S1,S2,S3)
3.78
1
3
0.57
3.05

这是为了获取列的std：

numpy.std(df['A'])

我想对行做同样的事情

解决方法

您可以使用 DataFrame.std,它省略非数字列：

print (df.std())
S1    2.302173
S2    2.774887
S3    2.302173
dtype: float64

如果需要std列：

print (df.std(axis=1))
0    3.785939
1    1.000000
2    3.000000
3    0.577350
4    3.055050
dtype: float64

如果需要只选择一些数字列,请使用子集：

print (df[['S1','S2']].std())
S1    2.302173
S2    2.774887
dtype: float64

默认情况下参数ddof(Delta Degrees of Freedom)与numpy.std有所不同：

> pandas默认为ddof = 1
> numpy默认为ddof = 0

所以有不同的输出：

#ddof=1
print (df.std(axis=1))
0    3.785939
1    1.000000
2    3.000000
3    0.577350
4    3.055050
dtype: float64

#ddof=0
print (np.std(df,axis=1))
0    3.091206
1    0.816497
2    2.449490
3    0.471405
4    2.494438
dtype: float64

但你可以很容易地改变它：

#same output as pandas function
print (np.std(df,ddof=1,axis=1))
0    3.785939
1    1.000000
2    3.000000
3    0.577350
4    3.055050
dtype: float64

#same output as numpy function
print (df.std(ddof=0,axis=1))
0    3.091206
1    0.816497
2    2.449490
3    0.471405
4    2.494438
dtype: float64

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!