熊猫：为什么pandas.Series.std（）与numpy.std（）完全不同

Question

我有两个代码段如下。

import numpy
numpy.std([766897346, 766897346, 766897346, 766897346, 766897346, 766897346, 766897346, 766897346, 766897346, 766897346])
0

和

import pandas as pd
pd.Series([766897346, 766897346, 766897346, 766897346, 766897346, 766897346, 766897346, 766897346, 766897346, 766897346]).std(ddof=0)
10.119288512538814

这是一个巨大的差异。

我可以问为什么？

Answer 1

这个问题确实已在讨论中（link）;问题似乎是计算pandas使用的标准差的算法，因为它不像numpy那样在数值上稳定。

一个简单的解决方法是先将.values应用于该系列，然后将std应用于这些值;在这种情况下，使用了numpy's std：

pd.Series([766897346, 766897346, 766897346, 766897346, 766897346, 766897346, 766897346, 766897346, 766897346, 766897346]).values.std()

，它给你预期的值0。