pandas中std和numpy的np.std區(qū)別及說(shuō)明
更新時(shí)間：2023年08月15日 14:54:52 作者：AML杰
這篇文章主要介紹了pandas中std和numpy的np.std區(qū)別及說(shuō)明,具有很好的參考價(jià)值,希望對(duì)大家有所幫助,如有錯(cuò)誤或未考慮完全的地方,望不吝賜教
pandas中std和numpy的std區(qū)別
原理
計(jì)算標(biāo)準(zhǔn)差時(shí)，需要注意numpy中的std和pandas的std在計(jì)算標(biāo)準(zhǔn)差時(shí)，默認(rèn)的計(jì)算結(jié)果會(huì)存在不一致的問(wèn)題。
原因在于默認(rèn)情況下，
numpy計(jì)算的為總體標(biāo)準(zhǔn)偏差，ddof=0；一般在擁有所有數(shù)據(jù)的情況下，計(jì)算所有數(shù)據(jù)的標(biāo)準(zhǔn)差時(shí)使用，即最終除以n，而非n-1；pandas計(jì)算的為樣本標(biāo)準(zhǔn)偏差，ddof=1；一般在只有部分?jǐn)?shù)據(jù)，但需要求得總體的標(biāo)準(zhǔn)差時(shí)使用，當(dāng)只有部分?jǐn)?shù)據(jù)時(shí)，根據(jù)統(tǒng)計(jì)規(guī)律，除以n時(shí)計(jì)算的標(biāo)準(zhǔn)差往往偏小，因此需要除以n-1，即n-ddof；
實(shí)際使用時(shí)需要注意，并且根據(jù)數(shù)據(jù)情況選擇合適的函數(shù)，在數(shù)據(jù)量較大時(shí)，推薦使用numpy進(jìn)行計(jì)算。
速度區(qū)別
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計(jì)算平均值、方差、標(biāo)準(zhǔn)差
numpy和pandas都可以實(shí)現(xiàn)計(jì)算平均值、方差、標(biāo)準(zhǔn)差。
但numpy默認(rèn)的是總體方差，pandas默認(rèn)的樣本方差，即分母是n-1，是總體的無(wú)偏估計(jì)。
numpy的語(yǔ)法
# numpy計(jì)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 表示樣本方差分母是n-1，無(wú)偏估計(jì) doof=0 表示總體標(biāo)準(zhǔn)差
pandas的語(yǔ)法
#pandas計(jì)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() #計(jì)算的無(wú)偏樣本方差
var = df['c1'].values.var() #計(jì)算的是有偏的總體方差
#c1列的std
std = df['c1'].std()
std = df['c1'].values.std() 總結(jié)
以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
相關(guān)文章
本文將是一系列關(guān)于Python正則表達(dá)式文章的其中一部分。在這個(gè)系列的第一篇文章中，我們將重點(diǎn)討論如何使用Python中的正則表達(dá)式并突出Python中一些獨(dú)有的特性。2014-08-08
python plt.plot bar 如何設(shè)置繪圖尺寸大小
這篇文章主要介紹了python plt.plot bar 設(shè)置繪圖尺寸大小的操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教2021-06-06
這篇文章主要介紹了Python?asyncio的一個(gè)坑，文章從Python編程錯(cuò)誤開始介紹，改變與好多變不成中常犯的錯(cuò)誤，我們今天就來(lái)分析分析吧，需要的下伙伴也可以參考一下2021-12-12
python操作excel的包(openpyxl、xlsxwriter)
這篇文章主要為大家詳細(xì)介紹了python操作excel的包，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-06-06
Python版貪吃蛇保姆級(jí)教程(附完整代碼有詳細(xì)注釋)
這篇文章主要給大家介紹了關(guān)于Python版貪吃蛇保姆級(jí)教程的相關(guān)資料,包括初始化、移動(dòng)控制、智能食物生成、碰撞檢測(cè)、高分記錄及動(dòng)態(tài)速度調(diào)節(jié)等核心功能,附完整代碼與詳細(xì)注釋,需要的朋友可以參考下2025-06-06
python muggle_ocr庫(kù)用法及實(shí)例代碼
在本篇文章里小編給大家整理的是一篇關(guān)于python muggle_ocr庫(kù)用法及實(shí)例代碼內(nèi)容，有需要的朋友們可以跟著學(xué)習(xí)參考下。2021-07-07
python自動(dòng)化操作之動(dòng)態(tài)驗(yàn)證碼、滑動(dòng)驗(yàn)證碼的降噪和識(shí)別
很多網(wǎng)站登錄都需要輸入驗(yàn)證碼,如果要實(shí)現(xiàn)自動(dòng)登錄就不可避免的要識(shí)別驗(yàn)證碼,下面這篇文章主要給大家介紹了關(guān)于python自動(dòng)化操作之動(dòng)態(tài)驗(yàn)證碼、滑動(dòng)驗(yàn)證碼的降噪和識(shí)別,需要的朋友可以參考下2021-08-08
Python使用樹狀圖實(shí)現(xiàn)可視化聚類詳解
一般情況下，我們都是使用散點(diǎn)圖進(jìn)行聚類可視化，但是某些的聚類算法可視化時(shí)散點(diǎn)圖并不理想，所以在這篇文章中，我們介紹如何使用樹狀圖（Dendrograms）對(duì)我們的聚類結(jié)果進(jìn)行可視化2023-03-03
這篇文章主要給大家介紹了關(guān)于Python中處理JSON文件的超詳細(xì)指南,json模塊是python內(nèi)置的庫(kù),不需要額外安裝就可以導(dǎo)入運(yùn)行,json模塊的主要功能是將序列化數(shù)據(jù)從文件里讀取出來(lái)或者存入文件,需要的朋友可以參考下2024-05-05
Python操作Oracle數(shù)據(jù)庫(kù)的簡(jiǎn)單方法和封裝類實(shí)例
這篇文章主要介紹了Python操作Oracle數(shù)據(jù)庫(kù)的簡(jiǎn)單方法和封裝類,結(jié)合實(shí)例形式分析了Python簡(jiǎn)單連接、查詢、關(guān)閉Oracle數(shù)據(jù)庫(kù)基本操作,并給出了一個(gè)Python針對(duì)Oracle各種操作的封裝類,需要的朋友可以參考下2018-05-05