Pandas: so berechnen sie die standardabweichung für jede zeile

Sie können die folgende grundlegende Syntax verwenden, um die Standardabweichung der Werte für jede Zeile eines Pandas-DataFrames zu berechnen:

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

Das Argument axis=1 weist Pandas an, die Berechnung für jede Zeile (anstelle jeder Spalte) durchzuführen, und numeric_only=True weist Pandas an, bei der Berechnung nur numerische Spalten zu berücksichtigen.

Das folgende Beispiel zeigt, wie diese Syntax in der Praxis verwendet wird.

Beispiel: Berechnen Sie die Standardabweichung für jede Zeile in Pandas

Angenommen, wir haben den folgenden Pandas-DataFrame, der Informationen über die von verschiedenen Basketballspielern in vier verschiedenen Spielen erzielten Punkte enthält:

 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

Wir können die folgende Syntax verwenden, um die Standardabweichung der von jedem Spieler erzielten Punkte zu berechnen:

 #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

So interpretieren Sie das Ergebnis:

• Die Standardabweichung der von Spieler A erzielten Punkte beträgt 5,439 .
• Die Standardabweichung der von Spieler B erzielten Punkte beträgt 7,182 .
• Die Standardabweichung der von Spieler C erzielten Punkte beträgt 5,477 .

Und so weiter.

Beachten Sie, dass die Funktion std() standardmäßig die Standardabweichung der Stichprobe berechnet.

Wenn Sie stattdessen die Populationsstandardabweichung berechnen möchten, müssen Sie das Argument ddof=0 verwenden:

 #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

Verwandt: Bevölkerung vs. Beispiel-Standardabweichung: Wann jeweils zu verwenden ist

Um einer neuen Spalte Standardabweichungswerte zuzuweisen, können Sie die folgende Syntax verwenden:

 #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

Die Standardabweichung der Werte für jede Zeile in den Spalten game1 , game2 , game3 und game4 wird jetzt in der Spalte „points_std“ angezeigt.

Zusätzliche Ressourcen

In den folgenden Tutorials wird erläutert, wie andere gängige Vorgänge in Pandas ausgeführt werden:

So erhalten Sie die erste Zeile von Pandas DataFrame
So entfernen Sie die erste Zeile in Pandas DataFrame
So fügen Sie eine Zeile in einen Pandas DataFrame ein