Pandas：如何计算每行的标准差

您可以使用以下基本语法来计算 pandas DataFrame 的每一行值的标准差：

 df. std (axis= 1 , numeric_only= True )

axis=1参数告诉 pandas 对每一行（而不是每一列）执行计算， numeric_only=True告诉 pandas 在执行计算时只考虑数字列。

以下示例展示了如何在实践中使用此语法。

示例：计算 Pandas 中每一行的标准差

假设我们有以下 pandas DataFrame，其中包含有关不同篮球运动员在四场不同比赛中得分的信息：

 import pandas as pd

#createDataFrame
df = pd. DataFrame ({' player ': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
                   ' game1 ': [18, 22, 19, 14, 14, 11, 20, 28],
                   ' game2 ': [5, 7, 7, 9, 12, 9, 9, 4],
                   ' game3 ': [11, 8, 10, 6, 6, 5, 9, 12],
                   ' game4 ': [9, 8, 8, 9, 14, 15, 10, 11]})
                   
#view DataFrame
print (df)

  player game1 game2 game3 game4
0 A 18 5 11 9
1 B 22 7 8 8
2 C 19 7 10 8
3 D 14 9 6 9
4 E 14 12 6 14
5 F 11 9 5 15
6 G 20 9 9 10
7:28 4 12 11

我们可以使用以下语法来计算每个玩家得分的标准差：

 #calculate standard deviation for each row
df. std (axis= 1 , numeric_only= True )

0 5.439056
1 7.182154
2 5.477226
3 3.316625
4 3.785939
5 4.163332
6 5.354126
7 10.144785
dtype:float64

以下是如何解释结果：

• 玩家 A 得分的标准差是5.439 。
• 玩家 B 得分的标准差是7.182 。
• 玩家 C 得分的标准差是5.477 。

等等。

请注意， std()函数默认计算样本标准差。

如果您想计算总体标准差，则必须使用ddof=0参数：

 #calculate population standard deviation for each row
df. std (axis= 1 , ddof= 0 , numeric_only= True )

0 4.747351
1 5.881366
2 4.807037
3 3.384910
4 3.983518
5 3.915150
6 4.892772
7 8.091179
dtype:float64

相关：人口与人口样本标准差：何时使用每个标准差

要将标准差值分配给新列，可以使用以下语法：

 #add new column to display standard deviation for each row
df[' std_points '] = df. std (axis= 1 , numeric_only= True )

#view updated DataFrame
print (df)

  player game1 game2 game3 game4 points_std
0 A 18 5 11 9 5.439056
1 B 22 7 8 8 7.182154
2 C 19 7 10 8 5.477226
3 D 14 9 6 9 3.316625
4 E 14 12 6 14 3.785939
5 F 11 9 5 15 4.163332
6 G 20 9 9 10 5.354126
7:28 AM 4 12 11 10.144785

game1 、 game2 、 game3和game4列中每行值的标准差现在显示在points_std列中。

其他资源

以下教程解释了如何在 pandas 中执行其他常见操作：

如何获取 Pandas DataFrame 的第一行
如何删除 Pandas DataFrame 中的第一行
如何将行插入 Pandas DataFrame