pandas.Series.sem

Series.sem(*, axis=None, skipna=True, ddof=1, numeric_only=False, **kwargs)

返回请求轴上的无偏均值标准误差。

默认情况下按 N-1 归一化。可以使用 ddof 参数进行更改。

参数:

轴{索引 (0)}

对于 Series ，此参数未使用并默认为 0。

警告

在 axis=None 的情况下，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）。

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。

返回:

标量或系列（如果指定了级别）

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