pandas.DataFrame.sem

DataFrame.sem(*, axis=0, skipna=True, ddof=1, numeric_only=False, **kwargs)

返回请求轴上的无偏均值标准误差。

默认情况下归一化为 N-1。这可以使用 ddof 参数进行更改。

参数:

轴{索引 (0), 列 (1)}

对于 Series ，此参数未使用并默认为 0。

警告

在使用 axis=None 时，DataFrame.sem 的行为已被弃用，在未来的版本中，这将减少两个轴并返回一个标量。要保留旧的行为，请传递 axis=0（或不传递 axis）。

skipnabool, 默认为 True

排除 NA/null 值。如果整行/整列是 NA，结果将是 NA。

ddofint, 默认 1

自由度增量。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, 默认为 False

仅包含浮点数、整数、布尔列。未对 Series 实现。

**kwargs

附加的关键字已传递。

返回:

系列或数据框（如果指定了级别）

在请求的轴上无偏的均值标准误差。

参见

DataFrame.var

返回请求轴上的无偏方差。

DataFrame.std

返回请求轴上的样本标准差。

例子

>>> s = pd.Series([1, 2, 3])
>>> s.sem().round(6)
0.57735

使用一个 DataFrame

>>> df = pd.DataFrame({"a": [1, 2], "b": [2, 3]}, index=["tiger", "zebra"])
>>> df
       a   b
tiger  1   2
zebra  2   3
>>> df.sem()
a   0.5
b   0.5
dtype: float64

使用 axis=1

>>> df.sem(axis=1)
tiger   0.5
zebra   0.5
dtype: float64

在这种情况下，numeric_only 应设置为 True 以避免出现错误。

>>> df = pd.DataFrame({"a": [1, 2], "b": ["T", "Z"]}, index=["tiger", "zebra"])
>>> df.sem(numeric_only=True)
a   0.5
dtype: float64