Python|熊猫系列.sem()
Pandas 系列是带有轴标签的一维 ndarray。标签不必是唯一的,但必须是可散列的类型。该对象支持基于整数和基于标签的索引,并提供了许多用于执行涉及索引的操作的方法。
Pandas Series.sem()
函数返回请求轴上平均值的无偏标准误差。结果默认按 N-1 归一化。这可以使用 ddof 参数进行更改。
Syntax: Series.sem(axis=None, skipna=None, level=None, ddof=1, numeric_only=None, **kwargs)
Parameter :
axis : {index (0)}
skipna : Exclude NA/null values.
level : If the axis is a MultiIndex (hierarchical), count along a particular level, collapsing into a scalar.
ddof : Delta Degrees of Freedom.
numeric_only : Include only float, int, boolean columns.
Returns : scalar or Series (if level specified)
示例 #1:使用Series.sem()
函数查找给定 Series 对象中基础数据平均值的标准误差。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([100, 25, 32, 118, 24, 65])
# Print the series
print(sr)
输出 :
现在我们将使用Series.sem()
函数来查找基础数据均值的标准误差。
# find standard error of the mean
sr.sem()
输出 :
正如我们在输出中看到的, Series.sem()
函数已成功计算标准误差,即给定 Series 对象中基础数据的平均值。示例 #2:使用Series.sem()
函数查找给定 Series 对象中基础数据平均值的标准误差。给定的 Series 对象还包含一些缺失值。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([19.5, 16.8, None, 22.78, None, 20.124, None, 18.1002, None])
# Print the series
print(sr)
输出 :
现在我们将使用Series.sem()
函数来查找基础数据均值的标准误差。
# find standard error of the mean
# Skip all the missing values
sr.sem(skipna = True)
输出 :
正如我们在输出中看到的, Series.sem()
函数已成功计算标准误差,即给定 Series 对象中基础数据的平均值。