Python Pandas dataframe.std()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

Pandas dataframe.std()函数返回请求axis上的样本标准差。默认情况下，标准差被归一化为N-1。它是一种用来量化一组数据值的变化量或分散度的措施。欲了解更多信息，请点击这里

语法 : DataFrame.std(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)

参数 :
axis： {指数（0），列（1）}。
skipna : 排除NA/null值。如果整个行/列是NA，结果将是NA。
level : 如果坐标axis是一个多指标（分层的），沿着一个特定的层次计数，折叠成一个系列。
ddof :德尔塔自由度。计算中使用的除数是N – ddof，其中N代表元素的数量。
numeric_only :只包括浮动、int、boolean列。如果没有，将尝试使用所有数据，然后只使用数字数据。对系列来说没有实现。

返回： std：系列或数据框架（如果指定级别）

例子#1：使用std()函数求出沿索引axis的数据的标准偏差。

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.read_csv("nba.csv")
  
# Print the dataframe
df

现在找出数据框架中所有数字列的标准差。在计算标准差时，我们将跳过NaN值。

# finding STD
df.std(axis = 0, skipna = True)

输出 :

例子2：使用std()函数查找列axis上的标准偏差。

沿着柱axis找到标准偏差。我们要将skipna设置为真。如果我们不跳过NaN值，那么将导致NaN值的出现。

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.read_csv("nba.csv")
  
# STD over the column axis.
df.std(axis = 1, skipna = True)

输出 :