Pandas Series.std()

简介

Pandas是Python数据分析库，提供了Series和DataFrame两种主要的数据结构。Series是一种一维数组的数据结构，类似于带有标签的NumPy数组。Pandas Series.std()是Series的一个方法，用于计算Series对象所有数值的标准差（Standard Deviation，简称std）。标准差是衡量数据分散程度的一种统计量，表明各个数据点相对于平均值的分散程度。

语法

Pandas Series.std()方法的语法如下所示：

Series.std(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)

参数解释如下：

• axis：计算标准差的轴方向，0表示按列计算，1表示按行计算，缺省值为None；
• skipna：是否排除缺失值，缺省值为None，表示不排除，为True表示排除；
• level：用于MultiIndex的级别，缺省值为None；
• ddof：自由度，缺省值为1，表示计算样本标准差，为0表示计算总体标准差；
• numeric_only：是否只计算数值型数据，缺省值为None，表示包括所有数据类型，为True表示仅包括数值型数据；
• **kwargs：其他参数，如下面示例中的min_periods参数。

返回值

Pandas Series.std()方法返回Series对象中所有数值的标准差，如果Series对象为空，返回NaN。

示例

首先，生成一个包含随机数的Series对象：

import pandas as pd
import numpy as np

s = pd.Series(np.random.randn(5))
print(s)

输出：

0    0.751971
1    0.815085
2    0.124173
3   -1.438094
4   -0.696258
dtype: float64

然后，使用Series.std()方法计算标准差：

std = s.std()
print("标准差：", std)

输出：

标准差： 0.8702877906799738

如果Series对象中有缺失值，可以使用skipna参数排除：

s[0] = np.nan
std = s.std(skipna=True)
print("排除缺失值后的标准差：", std)

输出：

排除缺失值后的标准差： 1.0088230542823315

还可以指定计算标准差的轴方向：

df = pd.DataFrame({'A': [1, 2], 'B': [3, 4]})
std_column = df.std()  # 按列计算标准差
std_row = df.std(axis=1)  # 按行计算标准差
print("按列计算标准差：", std_column)
print("按行计算标准差：", std_row)

输出：

按列计算标准差： A    0.5
B    0.5
dtype: float64
按行计算标准差： 0    1.5
1    1.5
dtype: float64

当然，各种参数的组合可以产生更多的用法，这里只做简单示例。