Python Pandas Series.std()

Pandas系列是一个带有轴标签的一维ndarray。标签不需要是唯一的，但必须是一个可散列的类型。该对象支持基于整数和标签的索引，并提供了大量的方法来执行涉及索引的操作。

Pandas Series.std()函数返回请求轴上的样本标准差。默认情况下，标准差被归一化为N-1。这可以通过ddof参数来改变。

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

参数:
axis : {索引(0)}
skipna : 排除NA/null值。如果整个行/列是NA，结果将是NA。
level : 如果轴是一个MultiIndex（分层的），沿着一个特定的层次计数，折叠成一个标量。
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 : boolean, default None

返回： std：标量或系列（如果指定级别）。

实例#1 :使用Series.std()函数来查找给定系列对象的标准偏差。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([100, 25, 32, 118, 24, 65])
  
# Print the series
print(sr)

输出 :

现在我们将使用Series.std()函数来查找给定系列对象的标准偏差。

# find standard-deviation along the
# 0th index
sr.std()

输出 :

正如我们在输出中看到的，Series.std()函数已经成功地计算出了给定系列对象的标准差。

示例#2 :使用Series.std()函数来查找给定系列对象的标准偏差。我们的系列对象中有一些缺失的值，所以跳过这些缺失的值。

# importing pandas as pd
import pandas as pd
  
# Creating the Series
sr = pd.Series([19.5, 16.8, None, 22.78, None, 20.124, None, 18.1002, None])
  
# Print the series
print(sr)

输出 :

现在我们将使用Series.std()函数来查找给定系列对象的标准偏差。

# find standard-deviation along the
# 0th index
sr.std(skipna = True)

输出 :

正如我们在输出中看到的，Series.std()函数已经成功地计算出了给定系列对象的标准差。如果我们不跳过缺失的值，那么输出将是NaN。