pandas.DataFrame.std#

DataFrame.std(ось=0, skipna=True, ddof=1, numeric_only=False, **kwargs)[источник]#

Возвращает выборочное стандартное отклонение по указанной оси.

Нормализовано по N-1 по умолчанию. 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.std 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)

Примечания

Чтобы иметь такое же поведение, как numpy.std, используйте ddof=0 (вместо стандартного ddof=1)

Примеры

>>> df = pd.DataFrame({'person_id': [0, 1, 2, 3],
...                    'age': [21, 25, 62, 43],
...                    'height': [1.61, 1.87, 1.49, 2.01]}
...                   ).set_index('person_id')
>>> df
           age  height
person_id
0           21    1.61
1           25    1.87
2           62    1.49
3           43    2.01

Стандартное отклонение столбцов можно найти следующим образом:

>>> df.std()
age       18.786076
height     0.237417
dtype: float64

Альтернативно, ddof=0 можно установить для нормализации по N вместо N-1:

>>> df.std(ddof=0)
age       16.269219
height     0.205609
dtype: float64