Question

df:  

name   group   S1   S2  S3        
A      mn      1    2   8         
B      mn      4    3   5        
C      kl      5    8   2        
D      kl      6    5   5         
E      fh      7    1   3         

output: 

std (S1,S2,S3)
3.78
1
3
0.57
3.05

这适用于获取列的std：

numpy.std(df['A'])

我想对行

做同样的事情

Answer 1

您可以使用DataFrame.std，它会省略非数字列：

print (df.std())
S1    2.302173
S2    2.774887
S3    2.302173
dtype: float64

如果列需要std：

print (df.std(axis=1))
0    3.785939
1    1.000000
2    3.000000
3    0.577350
4    3.055050
dtype: float64

如果需要只选择一些数字列，请使用subset：

print (df[['S1','S2']].std())
S1    2.302173
S2    2.774887
dtype: float64

默认参数ddof（Delta Degree of Freedom）与numpy.std不同：

pandas默认ddof=1
numpy默认为ddof=0

所以有不同的输出：

#ddof=1
print (df.std(axis=1))
0    3.785939
1    1.000000
2    3.000000
3    0.577350
4    3.055050
dtype: float64

#ddof=0
print (np.std(df, axis=1))
0    3.091206
1    0.816497
2    2.449490
3    0.471405
4    2.494438
dtype: float64

但你可以很容易地改变它：

#same output as pandas function
print (np.std(df, ddof=1, axis=1))
0    3.785939
1    1.000000
2    3.000000
3    0.577350
4    3.055050
dtype: float64

#same output as numpy function
print (df.std(ddof=0, axis=1))
0    3.091206
1    0.816497
2    2.449490
3    0.471405
4    2.494438
dtype: float64

Answer 2

如果你无法对行进行任何操作，你可以使用＆＃34; transpose＆＃34;

np.std( df.transpose()['S1'] )

如何计算数据帧行的标准差？

2 个答案: