pandas.DataFrame.std#

DataFrame.std(*, axis=0, skipna=True, ddof=1, numeric_only=False, **kwargs)[源代码][源代码]#

返回请求轴上的样本标准偏差。

默认情况下按 N-1 归一化。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 的情况下，DataFrame.std 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）。
skipna布尔值, 默认为 True: 排除 NA/null 值。如果整行/整列都是 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_onlybool, 默认为 False: 仅包含浮点数、整数、布尔列。未对 Series 实现。
**kwargsdict: 要传递给函数的其他关键字参数。

返回:

序列或标量: 请求轴上的标准偏差。

参见

Series.std: 返回 Series 值的标准差。
DataFrame.mean: 返回请求轴上值的平均值。
DataFrame.mediam: 返回请求轴上值的中位数。
DataFrame.mode: 获取沿请求轴的每个元素的模式。
DataFrame.sum: 返回请求轴上值的总和。

注释

要获得与 numpy.std 相同的行为，请使用 ddof=0`（而不是默认的 `ddof=1）

示例

>>> df = pd.DataFrame(
...     {
...         "person_id": [0, 1, 2, 3],
...         "age": [21, 25, 62, 43],
...         "height": [1.61, 1.87, 1.49, 2.01],
...     }
... ).set_index("person_id")
>>> df
           age  height
person_id
0           21    1.61
1           25    1.87
2           62    1.49
3           43    2.01

列的标准偏差可以如下找到：

>>> df.std()
age       18.786076
height     0.237417
dtype: float64

或者，可以设置 ddof=0 以通过 N 而不是 N-1 进行归一化：

>>> df.std(ddof=0)
age       16.269219
height     0.205609
dtype: float64