pandas.core.groupby.DataFrameGroupBy.std

DataFrameGroupBy.std(ddof=1, engine=None, engine_kwargs=None, numeric_only=False)

计算组的标准差，排除缺失值。

对于多个分组，结果索引将是 MultiIndex。

Parameters:

ddofint, 默认值 1

自由度。

enginestr，默认 None

• 'cython' : 通过 cython 的 C 扩展运行操作。

• 'numba' : 通过 numba 的 JIT 编译代码运行操作。

• None : 默认为 'cython' 或全局设置的 compute.use_numba

在 1.4.0 版本加入.

engine_kwargsdict, 默认为 None

• 对于 'cython' 引擎，没有可接受的 engine_kwargs

• 对于 'numba' 引擎，该引擎可以接受 nopython、nogil 和 parallel 字典键。值必须是 True 或 False。'numba' 引擎的默认 engine_kwargs 是 {{'nopython': True, 'nogil': False, 'parallel': False}}

在 1.4.0 版本加入.

numeric_onlybool，默认 False

仅包含 float, int 或 boolean 数据。

在 1.5.0 版本加入.

在 2.0.0 版本发生变更: numeric_only 现在默认为 False。

Returns:

Series 或 DataFrame

组内值的标准差。

参见

Series.groupby

将函数 groupby 应用于 Series。

DataFrame.groupby

将函数 groupby 应用于 DataFrame 的每一行或每一列。

Examples

对于 SeriesGroupBy：

>>> lst = ['a', 'a', 'a', 'b', 'b', 'b']
>>> ser = pd.Series([7, 2, 8, 4, 3, 3], index=lst)
>>> ser
a     7
a     2
a     8
b     4
b     3
b     3
dtype: int64
>>> ser.groupby(level=0).std()
a    3.21455
b    0.57735
dtype: float64

对于 DataFrameGroupBy：

>>> data = {'a': [1, 3, 5, 7, 7, 8, 3], 'b': [1, 4, 8, 4, 4, 2, 1]}
>>> df = pd.DataFrame(data, index=['dog', 'dog', 'dog',
...                   'mouse', 'mouse', 'mouse', 'mouse'])
>>> df
         a  b
  dog    1  1
  dog    3  4
  dog    5  8
mouse    7  4
mouse    7  4
mouse    8  2
mouse    3  1
>>> df.groupby(level=0).std()
              a         b
dog    2.000000  3.511885
mouse  2.217356  1.500000