Pandy standardowe() jest definiowany jako funkcja obliczania odchylenia standardowego danego zbioru liczb, ramki danych, kolumny i wierszy. Aby obliczyć odchylenie standardowe, musimy zaimportować pakiet o nazwie „ Statystyka ' do obliczenia mediany.

Odchylenie standardowe jest domyślnie normalizowane przez N-1 i można je zmienić za pomocą przyjdę argument.

typy drzew binarnych

Składnia:

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

Parametry:

oś:{indeks (0), kolumny (1)}zamówienie:Wyklucza wszystkie wartości NA/null. Jeśli NA występuje w całym wierszu/kolumnie, wynikiem będzie NA.poziom:Liczy się wraz z określonym poziomem i zapada się w skalar, jeśli oś jest MultiIndexem (hierarchiczna).Będę:Stopnie swobody delty. Dzielnikiem używanym w obliczeniach jest N - ddof, gdzie N oznacza liczbę elementów.tylko_numeryczny:logiczna, wartość domyślna Brak
Zawiera tylko kolumny typu float, int i boolean. Jeśli ma wartość Brak, spróbuje użyć wszystkiego, więc używaj tylko danych numerycznych.
Nie jest ona zaimplementowana dla serii.

Zwroty:

Zwraca Series lub DataFrame, jeśli poziom jest określony.

Przykład 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])) 

Wyjście

drzewo wyszukiwania binarnego a drzewo binarne

 2.1147629234082532 10.077252622027656 

Przykład 2:

 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() 

Wyjście

 sub1_Marks 6.849574 sub2_Marks 4.924429 dtype: float64