Python pandas求方差和标准差的方法实例

目录 准备 1.求方差 1.1对全表进行操作 1.1.1求取每列的方差 1.1.2 求取每行的方差 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 1.2.2 求取单独某一行的方差 1.3 对多行或者多列进行操作 1.3.1 求取多列的方差 1.3.2 求取多行的方差 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 2.1.2 对每一行求标准差 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 2.2.2 对某一行求标准差 2.3 对多行或者多列进行操作 2.3.1 对多列求标准差 2.3.2 对多行求标准差 总结

准备

本文用到的表格内容如下:

先来看一下原始情形:

import pandas as pd
​
df = pd.read_excel(r'C:\Users\a 编程客栈 dmin\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

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

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

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
print(df['实体店销售量'].var())

result:

110164. 编程客栈 3

1.2.2 求取单独某一行的方差

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

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

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

df = pd.read_excel(r'C:\Use编程客栈rs\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

df = pd.read_excel(r'C:\Users\admin\Desktop\测 HdhCmsTestcppcns测试数据 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

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

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

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

df = pd.read_excel(r'C:\Users\admin\Desktop\测试.xlsx')
pr编程客栈int(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我们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我们！

查看更多关于Python pandas求方差和标准差的方法实例的详细内容...