pandas.DataFrame.sem

DataFrame.sem(axis=0, skipna=True, ddof=1, numeric_only=False, **kwargs)[source]

Возвращает несмещённую стандартную ошибку среднего по указанной оси.

По умолчанию нормализуется на N-1. Это можно изменить с помощью аргумента ddof

Параметры:

axis:{индекс (0), столбцы (1)}

Для Series этот параметр не используется и по умолчанию равен 0.

Предупреждение

Поведение DataFrame.sem с axis=None устарело, в будущих версиях оно будет сокращено по обеим осям и вернёт скаляр. Чтобы сохранить старое поведение, передайте axis=0 (или не передавайте axis).

skipna:bool, по умолчанию True

Исключить значения NA/null. Если вся строка/столбец является NA, результат будет NA.

ddof:int, по умолчанию 1

Delta Degrees of Freedom. Разделитель, используемый в расчётах, это N - ddof, где N представляет собой количество элементов.

numeric_only:bool, по умолчанию False

Включать только столбцы с плавающей точкой, целыми числами, булевыми значениями. Для Series не реализовано.

Возвращает:

Series или DataFrame (если указан уровень)

Примеры

>>> s = pd.Series([1, 2, 3])
>>> s.sem().round(6)
0.57735

С DataFrame

>>> df = pd.DataFrame({'a': [1, 2], 'b': [2, 3]}, index=['tiger', 'zebra'])
>>> df
       a   b
tiger  1   2
zebra  2   3
>>> df.sem()
a   0.5
b   0.5
dtype: float64

Использование axis=1

>>> df.sem(axis=1)
tiger   0.5
zebra   0.5
dtype: float64

В этом случае numeric_only следует установить в True, чтобы избежать ошибки.

>>> df = pd.DataFrame({'a': [1, 2], 'b': ['T', 'Z']},
...                   index=['tiger', 'zebra'])
>>> df.sem(numeric_only=True)
a   0.5
dtype: float64