pandas.Series.sem

Series.sem(axis=None, skipna=True, ddof=1, numeric_only=False, **kwargs)[source]

Возвращает смещённую стандартную ошибку среднего значения по указанной оси.

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

Параметры:

axis:{индекс (0)}

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

Предупреждение

Поведение DataFrame.sem с axis=None устарело. В будущих версиях это будет вычислено по обеим осям и возвращено как скалярное значение. Для сохранения старого поведения передайте axis=0 (или не передавайте axis).

skipna:bool, по умолчанию True

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

ddof:int, по умолчанию 1

Delta Degrees of Freedom. Делитель, используемый в вычислениях, равен N - ddof, где N представляет количество элементов.

numeric_only:bool, по умолчанию False

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

Возвращает:

скаляр или Series (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