如何计算数据帧的行的标准偏差？

Question

df: 

name group S1 S2 S3   
A  mn  1 2 8   
B  mn  4 3 5   
C  kl  5 8 2   
D  kl  6 5 5   
E  fh  7 1 3   

output: 

std (S1,S2,S3) 
3.78 
1 
3 
0.57 
3.05 

这是工作越来越STD为列：

numpy.std(df['A']) 

我想为行

Answer 1

您可以使用DataFrame.std，其中省略非数字列做同样的：

print (df.std()) 
S1 2.302173 
S2 2.774887 
S3 2.302173 
dtype: float64 

如果需要std栏目：

print (df.std(axis=1)) 
0 3.785939 
1 1.000000 
2 3.000000 
3 0.577350 
4 3.055050 
dtype: float64 

如果有必要只选择一些数值列，使用子集：

print (df[['S1','S2']].std()) 
S1 2.302173 
S2 2.774887 
dtype: float64 

有默认参数与numpy.std是不同ddof（自由三角洲度）：默认情况下

• 大熊猫ddof=1
• 默认为numpy ddof=0

个

因此，有不同的输出：

#ddof=1 
print (df.std(axis=1)) 
0 3.785939 
1 1.000000 
2 3.000000 
3 0.577350 
4 3.055050 
dtype: float64 

#ddof=0 
print (np.std(df, axis=1)) 
0 3.091206 
1 0.816497 
2 2.449490 
3 0.471405 
4 2.494438 
dtype: float64 

但你可以改变它很容易：

#same output as pandas function 
print (np.std(df, ddof=1, axis=1)) 
0 3.785939 
1 1.000000 
2 3.000000 
3 0.577350 
4 3.055050 
dtype: float64 

#same output as numpy function 
print (df.std(ddof=0, axis=1)) 
0 3.091206 
1 0.816497 
2 2.449490 
3 0.471405 
4 2.494438 
dtype: float64 

Answer 2

当你不能在行任何你可以列做你可以使用“转”

np.std(df.transpose()['S1'])