pandas.DataFrame.sem#

DataFrame.sem(*, axis=0, skipna=True, ddof=1, numeric_only=False, =**kwargs)[源代码]#

返回请求轴上未偏倚的均值标准误差。

默认情况下，使用 N-1 进行归一化。这可以通过 ddof 参数更改

参数:
axis{索引 (0), 列 (1)}

对于 Series，此参数未使用，默认为 0。

警告

DataFrame.sem 配合 axis=None 的行为已被弃用，在未来的版本中，这将跨两个轴进行减少并返回一个标量。要保留旧行为，请传递 axis=0（或不传递 axis）。

skipnabool, 默认 True

排除 NA/null 值。如果整行/整列均为 NA，则结果为 NA。

ddofint, 默认值 1

自由度差值。计算中使用的除数是 N - ddof，其中 N 代表元素数量。

numeric_onlybool, default False

仅包含浮点、整数、布尔列。未为 Series 实现。

**kwargs

传递了附加关键字。

返回:
Series 或 DataFrame（如果指定了 level）

所请求轴上未归一化的平均值的标准误差。

另请参阅

DataFrame.var

返回请求轴上的未偏倚方差。

DataFrame.std

返回所请求轴上的样本标准差。

示例

>>> s = pd.Series([1, 2, 3])
>>> round(s.sem(), 6)
0.57735

With a DataFrame

>>> df = pd.DataFrame({"a": [1, 2], "b": [2, 3]}, index=["tiger", "zebra"])
>>> df
       a   b
tiger  1   2
zebra  2   3
>>> df.sem()
a   0.5
b   0.5
dtype: float64

使用 axis=1

>>> df.sem(axis=1)
tiger   0.5
zebra   0.5
dtype: float64

在这种情况下，应将 numeric_only 设置为 True 以避免出现错误。

>>> df = pd.DataFrame({"a": [1, 2], "b": ["T", "Z"]}, index=["tiger", "zebra"])
>>> df.sem(numeric_only=True)
a   0.5
dtype: float64
本页内容