pandas.core.groupby.DataFrameGroupBy.std#

DataFrameGroupBy.std(ddof=1, движок=None, engine_kwargs=None, numeric_only=False)[источник]#

Вычисление стандартного отклонения групп, исключая пропущенные значения.

Для нескольких группировок результирующий индекс будет MultiIndex.

Параметры:
ddofint, по умолчанию 1

Степени свободы.

движокstr, по умолчанию None

  • 'cython' : Выполняет операцию через C-расширения из cython.

  • 'numba' : Запускает операцию через JIT-скомпилированный код из numba.

  • None : По умолчанию 'cython' или глобальная установка compute.use_numba

Добавлено в версии 1.4.0.

engine_kwargsdict, по умолчанию None

  • Для 'cython' движок, нет принятых engine_kwargs

  • Для 'numba' движок, движок может принимать nopython, nogil и parallel ключи словаря. Значения должны быть либо True или False. По умолчанию engine_kwargs для 'numba' движок это {{'nopython': True, 'nogil': False, 'parallel': False}}

Добавлено в версии 1.4.0.

numeric_onlybool, по умолчанию False

Включите только float, int или логический data.

Добавлено в версии 1.5.0.

Изменено в версии 2.0.0: numeric_only теперь по умолчанию False.

Возвращает:
Series или DataFrame

Стандартное отклонение значений в каждой группе.

Смотрите также

Series.groupby

Применить функцию groupby к Series.

DataFrame.groupby

Применить функцию groupby к каждой строке или столбцу DataFrame.

Примеры

Для SeriesGroupBy:

>>> lst = ['a', 'a', 'a', 'b', 'b', 'b']
>>> ser = pd.Series([7, 2, 8, 4, 3, 3], index=lst)
>>> ser
a     7
a     2
a     8
b     4
b     3
b     3
dtype: int64
>>> ser.groupby(level=0).std()
a    3.21455
b    0.57735
dtype: float64

Для DataFrameGroupBy:

>>> data = {'a': [1, 3, 5, 7, 7, 8, 3], 'b': [1, 4, 8, 4, 4, 2, 1]}
>>> df = pd.DataFrame(data, index=['dog', 'dog', 'dog',
...                   'mouse', 'mouse', 'mouse', 'mouse'])
>>> df
         a  b
  dog    1  1
  dog    3  4
  dog    5  8
mouse    7  4
mouse    7  4
mouse    8  2
mouse    3  1
>>> df.groupby(level=0).std()
              a         b
dog    2.000000  3.511885
mouse  2.217356  1.500000