I Panda standard() è definito come una funzione per calcolare la deviazione standard del dato insieme di numeri, DataFrame, colonna e righe. Per quanto riguarda il calcolo della deviazione standard, dobbiamo importare il pacchetto denominato ' statistiche ' per il calcolo della mediana.

La deviazione standard è normalizzata da N-1 per impostazione predefinita e può essere modificata utilizzando verrò discussione.

Sintassi:

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

parametri:

asse: {indice (0), colonne (1)} ordine: Esclude tutti i valori NA/null. Se NA è presente in un'intera riga/colonna, il risultato sarà NA. livello: Conta insieme a un livello particolare e si riduce in uno scalare se l'asse è un MultiIndex (gerarchico). Lo farò: Gradi di libertà Delta. Il divisore utilizzato nei calcoli è N - ddof, dove N rappresenta il numero di elementi. solo_numerico: booleano, valore predefinito Nessuno
Include solo colonne float, int e booleane. Se è Nessuno, tenterà di utilizzare tutto, quindi utilizza solo dati numerici.
Non è implementato per una serie.

Ritorna:

Restituisce Series o DataFrame se il livello è specificato.

Esempio 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]))  

Produzione

 2.1147629234082532 10.077252622027656  

Esempio2:

 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()  

Produzione

 sub1_Marks 6.849574 sub2_Marks 4.924429 dtype: float64