pandas.DataFrame.sem

DataFrame.sem(ось=0, skipna=True, ddof=1, numeric_only=False, **kwargs)

Возвращает несмещённую стандартную ошибку среднего по запрошенной оси.

По умолчанию нормализовано на N-1. Это можно изменить с помощью аргумента ddof

Параметры:

ось{индекс (0), столбцы (1)}

Для Series этот параметр не используется и по умолчанию равен 0.

Предупреждение

Поведение DataFrame.sem с axis=None устарело, в будущей версии это будет сводиться по обеим осям и возвращать скаляр. Чтобы сохранить старое поведение, передайте axis=0 (или не передавайте axis).

skipnabool, по умолчанию True

Исключить значения NA/null. Если вся строка/столбец NA, результат будет NA.

ddofint, по умолчанию 1

Дельта степеней свободы. Делитель, используемый в вычислениях, равен N - ddof, где N представляет количество элементов.

numeric_onlybool, по умолчанию False

Включать только столбцы с float, int, boolean. Не реализовано для Series.

Возвращает:

Series или DataFrame (если указан уровень)

Примеры

>>> s = pd.Series([1, 2, 3])
>>> s.sem().round(6)
0.57735

С 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

Использование axis=1

>>> df.sem(axis=1)
tiger   0.5
zebra   0.5
dtype: float64

В этом случае, numeric_only должно быть установлено в True чтобы избежать получения ошибки.

>>> df = pd.DataFrame({'a': [1, 2], 'b': ['T', 'Z']},
...                   index=['tiger', 'zebra'])
>>> df.sem(numeric_only=True)
a   0.5
dtype: float64