pandas.Series.sem

Series.sem(axis=None, skipna=True, ddof=1, numeric_only=False, **kwargs)

在指定轴上返回无偏标准误差。

默认情况下按 N-1 进行标准化。这可以通过 ddof 参数进行更改。

Parameters:

axis{index (0)}

对于 Series，此参数未使用，默认为 0。

警告

DataFrame.sem 在 axis=None 时的行为已弃用，未来版本中它将跨两个轴进行约简并返回一个标量。要保留旧的行为，请传入 axis=0（或不传入 axis）。

<strong>skipna</strong>bool, default True

排除 NA/null 值。如果整行/整列都是 NA，则结果为 NA。

ddofint, 默认值 1

Delta Degrees of Freedom。计算中使用的除数是 N - ddof，其中 N 代表元素的数量。

numeric_onlybool，默认 False

对于 DataFrame，指定 axis=None 将跨两个轴应用聚合。

Returns:

标量或 Series（如果指定了 level）

Examples

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

传递给函数的其他关键字参数。

>>> 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 DataFrame

>>> 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 以避免产生错误。

>>> df = pd.DataFrame({'a': [1, 2], 'b': ['T', 'Z']},
...                   index=['tiger', 'zebra'])
>>> df.sem(numeric_only=True)
a   0.5
dtype: float64