蟒蛇|熊猫系列. sem()
熊猫系列是带有轴标签的一维数组。标签不必是唯一的，但必须是可散列的类型。该对象支持基于整数和基于标签的索引，并提供了一系列方法来执行涉及索引的操作。
熊猫 **Series.sem()**函数返回要求轴上平均值的无偏标准误差。默认情况下，结果由 N-1 归一化。这可以使用 ddof 参数进行更改。
语法:series.SEM(axis =无，skipna =无，level =无，ddof=1，numeric_only =无，**kwargs)
参数: 轴:{ index(0)} skipna:排除 NA/null 值。 级别:如果轴是多索引(分层)，则沿着特定级别计数，折叠成标量。 ddof:δ自由度。 numeric_only : 只包括 float、int、boolean 列。
返回:标量或级数(如果指定了级别)
示例#1 : 使用Series.sem()函数找到给定 Series 对象中基础数据平均值的标准误差。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([100, 25, 32, 118, 24, 65])
# Print the series
print(sr)
输出:
现在我们用Series.sem()函数求底层数据均值的标准误差。
# find standard error of the mean
sr.sem()
输出:
正如我们在输出中看到的，Series.sem()函数已经成功地计算了标准误差给定 Series 对象中底层数据的平均值。
示例#2 : 使用Series.sem()函数查找给定 Series 对象中底层数据平均值的标准误差。给定的 Series 对象还包含一些缺失的值。
# importing pandas as pd
import pandas as pd
# Creating the Series
sr = pd.Series([19.5, 16.8, None, 22.78, None, 20.124, None, 18.1002, None])
# Print the series
print(sr)
输出:
现在我们用Series.sem()函数求底层数据均值的标准误差。
# find standard error of the mean
# Skip all the missing values
sr.sem(skipna = True)
输出:
正如我们在输出中看到的，Series.sem()函数已经成功地计算了标准误差，即给定 Series 对象中底层数据的平均值。
