pandas中std和numpy的np.std区别及说明
更新时间：2023年08月15日 14:54:52 作者：AML杰
这篇文章主要介绍了pandas中std和numpy的np.std区别及说明,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
pandas中std和numpy的std区别
原理
计算标准差时，需要注意numpy中的std和pandas的std在计算标准差时，默认的计算结果会存在不一致的问题。
原因在于默认情况下，
numpy计算的为总体标准偏差，ddof=0；一般在拥有所有数据的情况下，计算所有数据的标准差时使用，即最终除以n，而非n-1；pandas计算的为样本标准偏差，ddof=1；一般在只有部分数据，但需要求得总体的标准差时使用，当只有部分数据时，根据统计规律，除以n时计算的标准差往往偏小，因此需要除以n-1，即n-ddof；
实际使用时需要注意，并且根据数据情况选择合适的函数，在数据量较大时，推荐使用numpy进行计算。
速度区别
速度由快到慢依次：
s1 = pd.Series([1,2,3,4,5]) #速度由快至慢 np.std(s1.values) > s1.std(ddof=0) > np.std(s1)
使用numpy和pandas计算平均值、方差、标准差
numpy和pandas都可以实现计算平均值、方差、标准差。
但numpy默认的是总体方差，pandas默认的样本方差，即分母是n-1，是总体的无偏估计。
numpy的语法
# numpy计算方法 import numpy as np x = [1,2,3,4,5] # mean mean = np.mean(x) # variation var = np.var(x) # stander var std = np.std(x,ddof=1) #ddof=1 表示样本方差分母是n-1，无偏估计 doof=0 表示总体标准差
pandas的语法
#pandas计算方法
#axis = 0表示跨行，axis=1表示跨列
import pandas as pd
data_dic = {'c1' : [1,2,3],
'c2': [1,3,5]}
df = pd.DataFrame(data_dic)
#c1列的meam
mean = df['c1'].mean()
#or
mean = df.iloc[:,0].mean()
#c1列的var
var = df['c1'].var() #计算的无偏样本方差
var = df['c1'].values.var() #计算的是有偏的总体方差
#c1列的std
std = df['c1'].std()
std = df['c1'].values.std() 总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
相关文章
这篇文章主要介绍了django之导入并执行自定义的函数模块图解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2020-04-04
在本篇文章里小编给大家整理的是一篇关于Django后台管理系统的图文使用教学内容，需要的朋友们参考下。2020-01-01
今天小编就为大家分享一篇Python读取excel指定列生成指定sql脚本的方法，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2018-11-11
这篇文章主要介绍了Python入门学习之字符串与比较运算符,是Python语法中的基础知识,需要的朋友可以参考下2015-10-10
这篇文章主要介绍了python中@Property属性使用方法，在Python中，可以通过@property装饰器将一个方法转换为属性，从而实现用于计算的属性，下面文章围绕主题展开更多相关详情，感兴趣的小伙伴可以参考一下2022-06-06
这篇文章主要介绍了python 中的pycrypto 算法加密，文章基于python的相关资料展开对pycrypto 算法加密的详细介绍，需要的小伙伴可以参考一下2022-04-04
这篇文章主要介绍了Python中集合类型（set）学习小结,本文讲解了set的初始化、运算操作、基本方法等内容,需要的朋友可以参考下2015-01-01
这篇文章主要介绍了浅谈PySpark SQL 相关知识介绍，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2019-06-06
这篇文章主要介绍了如何在vscode中安装python库的方法步骤，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧2021-01-01
这篇文章主要介绍了Python入门教程(七)Python数字类型,Python是一门非常强大好用的语言,也有着易上手的特性,本文为入门教程,需要的朋友可以参考下2023-04-04
最新评论