Python pandas求方差和标准差的方法实例

时间:2021-08-26 13:07:24

准备

本文用到的表格内容如下:

Python pandas求方差和标准差的方法实例

先来看一下原始情形:

?
1
2
3
4
import pandas as pd
df = pd.read_excel(r'c:\users\admin\desktop\测试.xlsx')
print(df)

result:

   分类            货品  实体店销售量  线上销售量  成本   售价
0  水果            苹果      34    234  12   45
1  家电           电视机      56    784  34  156
2  家电            冰箱      78    345  24  785
3  书籍  python从入门到放弃      25     34  13   89
4  水果            葡萄     789     56   7  398

1.求方差

1.1对全表进行操作

1.1.1求取每列的方差

?
1
2
df = pd.read_excel(r'c:\users\admin\desktop\测试.xlsx')
print(df.var())

result:

实体店销售量    110164.3
线上销售量      92621.8
成本           118.5
售价         93741.3
dtype: float64

1.1.2 求取每行的方差

?
1
2
df = pd.read_excel(r'c:\users\admin\desktop\测试.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 对单独的一行或者一列进行操作

1.2.1 求取单独某一列的方差

?
1
2
df = pd.read_excel(r'c:\users\admin\desktop\测试.xlsx')
print(df['实体店销售量'].var())

result:

110164.3

1.2.2 求取单独某一行的方差

?
1
2
df = pd.read_excel(r'c:\users\admin\desktop\测试.xlsx')
print(df.iloc[[0]].var())

result:

实体店销售量   nan
线上销售量    nan
成本       nan
售价       nan
dtype: float64

1.3 对多行或者多列进行操作

1.3.1 求取多列的方差

?
1
2
df = pd.read_excel(r'c:\users\admin\desktop\测试.xlsx')
print(df[['实体店销售量', "线上销售量"]].var())

result:

实体店销售量    110164.3
线上销售量      92621.8
dtype: float64

1.3.2 求取多行的方差

?
1
2
df = pd.read_excel(r'c:\users\admin\desktop\测试.xlsx')
print(df.iloc[[0, 1]].var())

result:

实体店销售量       242.0
线上销售量     151250.0
成本           242.0
售价          6160.5
dtype: float64

2 求标准差

2.1对全表进行操作

2.1.1对每一列求标准差

?
1
2
df = pd.read_excel(r'c:\users\admin\desktop\测试.xlsx')
print(df.std())

result:

实体店销售量    331.910078
线上销售量     304.338299
成本         10.885771
售价        306.172010
dtype: float64

2.1.2 对每一行求标准差

?
1
2
df = pd.read_excel(r'c:\users\admin\desktop\测试.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 对单独的一行或者一列进行操作

2.2.1 对某一列求标准差

?
1
2
df = pd.read_excel(r'c:\users\admin\desktop\测试.xlsx')
print(df['实体店销售量'].std())

result:

331.910078183835825

2.2.2 对某一行求标准差

?
1
2
df = pd.read_excel(r'c:\users\admin\desktop\测试.xlsx')
print(df.iloc[[0]].std())

result:

实体店销售量   nan
线上销售量    nan
成本       nan
售价       nan
dtype: float64

2.3 对多行或者多列进行操作

2.3.1 对多列求标准差

?
1
2
df = pd.read_excel(r'c:\users\admin\desktop\测试.xlsx')
print(df[['实体店销售量', "线上销售量"]].std())

result:

实体店销售量    331.910078
线上销售量     304.338299
dtype: float64

2.3.2 对多行求标准差

?
1
2
df = pd.read_excel(r'c:\users\admin\desktop\测试.xlsx')
print(df.iloc[[0, 1]].std())

result:

实体店销售量     15.556349
线上销售量     388.908730
成本         15.556349
售价         78.488853
dtype: float64

总结

到此这篇关于python pandas求方差和标准差的文章就介绍到这了,更多相关pandas求方差和标准差内容请搜索服务器之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持服务器之家!

原文链接:https://juejin.cn/post/6991635780762337317