pandas.Series.std

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

Возвращает выборочное стандартное отклонение по запрошенной оси.

По умолчанию нормируется на N-1. Это можно изменить, используя аргумент ddof.

Параметры:

axis:{индекс (0)}

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

Предупреждение

Поведение DataFrame.std с axis=None устарело. В будущей версии это приведет к уменьшению по обеим осям и возвращению скалярного значения. 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, равен N - ddof, где N представляет количество элементов.

numeric_only:bool, по умолчанию False

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

Возвращает:

скаляр или Series (если указан уровень)

Примечания

Чтобы получить такое же поведение, как у numpy.std, используйте ddof=0 (вместо значения по умолчанию ddof=1)

Примеры

>>> df = pd.DataFrame({'person_id': [0, 1, 2, 3],
...                    'age': [21, 25, 62, 43],
...                    'height': [1.61, 1.87, 1.49, 2.01]}
...                   ).set_index('person_id')
>>> df
           age  height
person_id
0           21    1.61
1           25    1.87
2           62    1.49
3           43    2.01

Стандартное отклонение столбцов можно найти следующим образом:

>>> df.std()
age       18.786076
height     0.237417
dtype: float64

В качестве альтернативы, можно установить ddof=0, чтобы нормализовать по N вместо N-1:

>>> df.std(ddof=0)
age       16.269219
height     0.205609
dtype: float64