Python pandas求方差和標準差的方法實例
準備
本文用到的表格內(nèi)容如下:

先來看一下原始情形:
import pandas as pd df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx') print(df)
result:
分類 貨品 實體店銷售量 線上銷售量 成本 售價
0 水果 蘋果 34 234 12 45
1 家電 電視機 56 784 34 156
2 家電 冰箱 78 345 24 785
3 書籍 python從入門到放棄 25 34 13 89
4 水果 葡萄 789 56 7 398
1.求方差
1.1對全表進行操作
1.1.1求取每列的方差
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx') print(df.var())
result:
實體店銷售量 110164.3
線上銷售量 92621.8
成本 118.5
售價 93741.3
dtype: float64
1.1.2 求取每行的方差
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx') print(df.var(axis=1))
result:
0 10558.250000
1 126019.666667
2 120818.000000
3 1130.250000
4 131161.666667
dtype: float64
1.2 對單獨的一行或者一列進行操作
1.2.1 求取單獨某一列的方差
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx') print(df['實體店銷售量'].var())
result:
110164.3
1.2.2 求取單獨某一行的方差
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx') print(df.iloc[[0]].var())
result:
實體店銷售量 NaN
線上銷售量 NaN
成本 NaN
售價 NaN
dtype: float64
1.3 對多行或者多列進行操作
1.3.1 求取多列的方差
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx') print(df[['實體店銷售量', "線上銷售量"]].var())
result:
實體店銷售量 110164.3
線上銷售量 92621.8
dtype: float64
1.3.2 求取多行的方差
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx') print(df.iloc[[0, 1]].var())
result:
實體店銷售量 242.0
線上銷售量 151250.0
成本 242.0
售價 6160.5
dtype: float64
2 求標準差
2.1對全表進行操作
2.1.1對每一列求標準差
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx') print(df.std())
result:
實體店銷售量 331.910078
線上銷售量 304.338299
成本 10.885771
售價 306.172010
dtype: float64
2.1.2 對每一行求標準差
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx') print(df.std(axis=1))
result:
0 102.753345
1 354.992488
2 347.588838
3 33.619191
4 362.162487
dtype: float64
2.2 對單獨的一行或者一列進行操作
2.2.1 對某一列求標準差
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx') print(df['實體店銷售量'].std())
result:
331.910078183835825
2.2.2 對某一行求標準差
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx') print(df.iloc[[0]].std())
result:
實體店銷售量 NaN
線上銷售量 NaN
成本 NaN
售價 NaN
dtype: float64
2.3 對多行或者多列進行操作
2.3.1 對多列求標準差
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx') print(df[['實體店銷售量', "線上銷售量"]].std())
result:
實體店銷售量 331.910078
線上銷售量 304.338299
dtype: float64
2.3.2 對多行求標準差
df = pd.read_excel(r'C:\Users\admin\Desktop\測試.xlsx') print(df.iloc[[0, 1]].std())
result:
實體店銷售量 15.556349
線上銷售量 388.908730
成本 15.556349
售價 78.488853
dtype: float64
總結
到此這篇關于Python pandas求方差和標準差的文章就介紹到這了,更多相關pandas求方差和標準差內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家!
相關文章
python GUI庫圖形界面開發(fā)之PyQt5信號與槽的高級使用技巧裝飾器信號與槽詳細使用方法與實例
這篇文章主要介紹了python GUI庫圖形界面開發(fā)之PyQt5信號與槽的高級使用技巧裝飾器信號與槽詳細使用方法與實例,需要的朋友可以參考下2020-03-03
Python SVM(支持向量機)實現(xiàn)方法完整示例
這篇文章主要介紹了Python SVM(支持向量機)實現(xiàn)方法,結合完整實例形式分析了基于Python實現(xiàn)向量機SVM算法的具體步驟與相關操作注意事項,需要的朋友可以參考下2018-06-06
Python字符串中出現(xiàn)的次數(shù)統(tǒng)計多種方法
這篇文章主要介紹了Python字符串中出現(xiàn)的次數(shù)統(tǒng)計多種方法,使用內(nèi)置的count()方法、正則表達式、列表推導式、循環(huán)和條件判斷以及字符串分割,每種方法都有其適用的場景和優(yōu)缺點,選擇合適的方法取決于具體的需求和場景,需要的朋友可以參考下2024-12-12
Python數(shù)據(jù)分析23種Pandas核心操作方法總結
在本文中,作者從基本數(shù)據(jù)集讀寫、數(shù)據(jù)處理和?DataFrame?操作三個角度展示了?23?個?Pandas?核心方法,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪2022-05-05
Python讀取CSV文件并進行數(shù)據(jù)可視化繪圖
這篇文章主要介紹了Python讀取CSV文件并進行數(shù)據(jù)可視化繪圖,文章圍繞主題基于Python展開CSV文件讀取的詳細內(nèi)容介紹,感興趣的小伙伴可以參考一下2022-06-06

