Los pandas estándar() se define como una función para calcular la desviación estándar del conjunto de números, marco de datos, columnas y filas dado. Con respecto a calcular la desviación estándar, necesitamos importar el paquete llamado ' Estadísticas ' para el cálculo de la mediana.

La desviación estándar está normalizada por N-1 de forma predeterminada y se puede cambiar usando el vendré argumento.

convertir de char a int java

Sintaxis:

 Series.std(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs) 

Parámetros:

eje:{índice (0), columnas (1)}orden:Excluye todos los valores NA/nulo. Si NA está presente en una fila/columna completa, el resultado será NA.nivel:Cuenta junto con un nivel particular y colapsa en un escalar si el eje es un MultiIndex (jerárquico).Lo haré:Delta grados de libertad. El divisor utilizado en los cálculos es N - ddof, donde N representa el número de elementos.solo numérico:booleano, valor predeterminado Ninguno
Incluye solo columnas flotantes, int y booleanas. Si es Ninguno, intentará utilizar todo, así que utilice sólo datos numéricos.
No está implementado para una Serie.

Devoluciones:

Devuelve Serie o DataFrame si se especifica el nivel.

sintaxis de extracción de git

Ejemplo 1:

 import pandas as pd # calculate standard deviation import numpy as np print(np.std([4,7,2,1,6,3])) print(np.std([6,9,15,2,-17,15,4])) 

Producción

 2.1147629234082532 10.077252622027656 

Ejemplo2:

 import pandas as pd import numpy as np #Create a DataFrame info = { 'Name':['Parker','Smith','John','William'], 'sub1_Marks':[52,38,42,37], 'sub2_Marks':[41,35,29,36]} data = pd.DataFrame(info) data # standard deviation of the dataframe data.std() 

Producción

 sub1_Marks 6.849574 sub2_Marks 4.924429 dtype: float64