dask_expr._groupby.GroupBy.std
dask_expr._groupby.GroupBy.std¶
- GroupBy.std(ddof=1, split_every=None, split_out=None, numeric_only=False, shuffle_method=None)[源代码]¶
计算组的样本标准差，排除缺失值。
此文档字符串是从 pandas.core.groupby.groupby.GroupBy.std 复制而来的。
Dask 版本可能存在一些不一致性。
对于多个分组，结果索引将是 MultiIndex。
- 参数
- ddofint, 默认值为 1
自由度。
- 引擎str, 默认 None (Dask 中不支持)
'cython': 通过cython的C扩展运行操作。'numba': 通过来自 numba 的 JIT 编译代码运行操作。None: 默认为'cython'或全局设置compute.use_numba
1.4.0 新版功能.
- engine_kwargsdict, 默认 None (Dask 中不支持)
对于
'cython'引擎，没有接受的engine_kwargs对于
'numba'引擎，该引擎可以接受nopython、nogil和parallel字典键。这些键的值必须是True或False。'numba'引擎的默认engine_kwargs是{{'nopython': True, 'nogil': False, 'parallel': False}}。
1.4.0 新版功能.
- 仅数值bool, 默认 False
只包含 float、int 或 boolean 数据。
1.5.0 新版功能.
在 2.0.0 版更改: numeric_only 现在默认设置为
False。
- 返回
- Series 或 DataFrame
每个组内值的标准差。
参见
Series.groupby对一个 Series 应用 groupby 函数。
DataFrame.groupby对DataFrame的每一行或每一列应用一个groupby函数。
示例
对于 SeriesGroupBy:
>>> lst = ['a', 'a', 'a', 'b', 'b', 'b'] >>> ser = pd.Series([7, 2, 8, 4, 3, 3], index=lst) >>> ser a 7 a 2 a 8 b 4 b 3 b 3 dtype: int64 >>> ser.groupby(level=0).std() a 3.21455 b 0.57735 dtype: float64
对于 DataFrameGroupBy：
>>> data = {'a': [1, 3, 5, 7, 7, 8, 3], 'b': [1, 4, 8, 4, 4, 2, 1]} >>> df = pd.DataFrame(data, index=['dog', 'dog', 'dog', ... 'mouse', 'mouse', 'mouse', 'mouse']) >>> df a b dog 1 1 dog 3 4 dog 5 8 mouse 7 4 mouse 7 4 mouse 8 2 mouse 3 1 >>> df.groupby(level=0).std() a b dog 2.000000 3.511885 mouse 2.217356 1.500000