Python | Marco de datos de pandas.std()

Python es un excelente lenguaje para realizar análisis de datos, principalmente debido al fantástico ecosistema de paquetes de Python centrados en datos. Pandas es uno de esos paquetes y facilita mucho la importación y el análisis de datos.

La función Pandas dataframe.std()devuelve la desviación estándar de la muestra sobre el eje solicitado. Por defecto, las desviaciones estándar están normalizadas por N-1. Es una medida que se utiliza para cuantificar la cantidad de variación o dispersión de un conjunto de valores de datos. Para más información haga clic aquí

Sintaxis: DataFrame.std(axis=Ninguno, skipna=Ninguno, level=Ninguno, ddof=1, numeric_only=Ninguno, **kwargs)

Parámetros:
eje: {índice (0), columnas (1)}
skipna: Excluir NA/valores nulos. Si toda una fila/columna es NA, el resultado será un
nivel NA: Si el eje es un Multiíndice (jerárquico), cuente a lo largo de un nivel particular, colapsando en una Serie
ddof: Delta Grados de libertad. El divisor utilizado en los cálculos es N – ddof, donde N representa el número de elementos.
numeric_only : incluye solo columnas flotantes, int y booleanas. Si es Ninguno, intentará usar todo, luego use solo datos numéricos. No implementado para Serie.

Retorno: std: Serie o DataFrame (si se especifica el nivel)

Para obtener un enlace al archivo CSV utilizado en el código, haga clic aquí

Ejemplo #1: Use std()la función para encontrar la desviación estándar de los datos a lo largo del eje del índice.

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.read_csv("nba.csv")
  
# Print the dataframe
df

Ahora encuentre la desviación estándar de todas las columnas numéricas en el marco de datos. Vamos a omitir los NaNvalores en el cálculo de la desviación estándar.

# finding STD
df.std(axis = 0, skipna = True)

Producción :

 

Ejemplo #2: Use std()la función para encontrar la desviación estándar sobre el eje de la columna.

Encuentre la desviación estándar a lo largo del eje de la columna. Vamos a hacer que skipna sea verdadero. Si no omitimos los NaNvalores, dará como resultado NaNvalores.

# importing pandas as pd
import pandas as pd
  
# Creating the dataframe 
df = pd.read_csv("nba.csv")
  
# STD over the column axis.
df.std(axis = 1, skipna = True)

Producción :