pandas.core.groupby.SeriesGroupBy.sem#

SeriesGroupBy.sem(ddof=1, numeric_only=False)[源代码]#

计算各组均值的标准误差，排除缺失值。

对于多个分组，结果索引将是 MultiIndex。

参数:

ddofint, 默认 1: 自由度。
numeric_only布尔值, 默认为 False: 仅包含 float, int 或 boolean 数据。

Added in version 1.5.0.

在 2.0.0 版本发生变更: numeric_only 现在默认为 False。

返回:

系列或数据框: 每个组内值的平均标准误差。

例子

对于 SeriesGroupBy：

>>> lst = ["a", "a", "b", "b"]
>>> ser = pd.Series([5, 10, 8, 14], index=lst)
>>> ser
a     5
a    10
b     8
b    14
dtype: int64
>>> ser.groupby(level=0).sem()
a    2.5
b    3.0
dtype: float64

对于 DataFrameGroupBy：

>>> data = [[1, 12, 11], [1, 15, 2], [2, 5, 8], [2, 6, 12]]
>>> df = pd.DataFrame(
...     data,
...     columns=["a", "b", "c"],
...     index=["tuna", "salmon", "catfish", "goldfish"],
... )
>>> df
           a   b   c
    tuna   1  12  11
  salmon   1  15   2
 catfish   2   5   8
goldfish   2   6  12
>>> df.groupby("a").sem()
      b  c
a
1    1.5  4.5
2    0.5  2.0

对于重采样器：

>>> ser = pd.Series(
...     [1, 3, 2, 4, 3, 8],
...     index=pd.DatetimeIndex(
...         [
...             "2023-01-01",
...             "2023-01-10",
...             "2023-01-15",
...             "2023-02-01",
...             "2023-02-10",
...             "2023-02-15",
...         ]
...     ),
... )
>>> ser.resample("MS").sem()
2023-01-01    0.577350
2023-02-01    1.527525
Freq: MS, dtype: float64