Écart-type des pandas

«Les« pandas »sont une excellente langue pour effectuer l'analyse des données en raison de son grand écosystème de packages Python centrés sur les données. Cela facilite l'analyse et l'importation des deux facteurs. L'écart type est un écart «typique» dérivé de la moyenne. Il est beaucoup utilisé, car il renvoie les unités d'origine de mesure du DataFrame. Les pandas ont utilisé STD () pour le calcul de l'écart type. L'écart type peut être calculé à partir des valeurs données qui peuvent être dans le dataframe sous la forme d'une ligne ou d'une colonne. Nous mettrons en œuvre toutes les façons possibles dont l'écart type Pandas est utilisé. Pour l'implémentation du code, nous utiliserons l'outil «Spyder» tel qu'il est écrit dans un environnement convivial."

Syntaxe

«DF.std () "

La syntaxe suivante est utilisée pour calculer l'écart type dans le dataframe. Le «DF» dans le dataframe est l'abréviation du «DataFrame». Que fait l'écart type? Il mesure à quel point les données requises sont étendues. Plus les valeurs élevées sont élargies, plus l'écart type doit se produire.

Retour

L'écart type Pandas renvoie le DataFrame si le niveau est spécifié en fonction de l'exigence.

Notez que la fonction «std ()» ignorera automatiquement les valeurs «nan» dans le «DF» tout en calculant l'écart type Pandas. «Nan» peut être expliqué comme «pas un nombre», ce qui signifie qu'il n'y a aucune valeur attribuée à un.

Voici les méthodes qui seront exécutées avec des exemples de l'écart type Pandas:

• • Calcul d'écart type Pandas dans une seule colonne.
  • Calcul d'écart type Pandas dans plusieurs colonnes.
  • Calcul d'écart type Pandas de toutes les colonnes numériques.
  • écart type pandas en utilisant l'axe = 1.
  • écart type pandas en utilisant l'axe = 0.

Création de DataFrame pour le calcul de l'écart-type en pandas

Tout d'abord, ouvrez le logiciel «Spyder». Importez maintenant la bibliothèque Pandas en tant que PD. Nous allons créer une dataframe qui consiste en un tableau de bord ayant des termes comme «x», «y» et «z» avec leurs points comme «22», «10», «11», «16», «12», «45 »,« 36 »et« 40 ». Nous avons leurs valeurs d'assistance comme «8», «9», «13», «7», «22», «24», «4» et «6» également, ayant la valeur des rebonds comme «17», « 14 ”,« 3 », 5”, «9», «8», «7» et «4».

Les affichages affichent le dataframe créé en fonction des valeurs attribuées dans le code:

Exemple # 01: calcul d'écart type Pandas dans une seule colonne

Dans cet exemple, nous calculerons l'écart type d'une seule colonne dans le Pandas DataFrame. Le DataFrame a les valeurs de l'équipe comme «U», «V» et «B» avec leurs points comme «44», «33», «22», «44», «45», «88», «96 »Et« 78 ». Les valeurs des assistances sont comme «7», «8», «9», «10», «11», «14», «18» et «17» ayant également les valeurs des rebonds comme «11», « 9 ”,« 8 »,« 7 »,« 6 »,« 5 »,« 4 »et« 3 ». La colonne «Points» est sélectionnée dans le DataFrame pour calculer l'écart type de colonne unique.

La sortie montre l'écart type calculé des «points» de la colonne:

Exemple # 02: Calcul d'écart type Pandas dans plusieurs colonnes

Dans cet exemple, nous exécuterons les calculs d'écart type Pandas dans plusieurs colonnes. Dans ce DataFrame, les données sont à nouveau du tableau de bord sportif ayant les valeurs de l'équipe comme «N», «W» et «T» avec le score comme «33», «22», «66», «55», «44», «88», «99» et «77». Les aides comme «9», «7», «8», «11», «16», «14», «12» et «13» et rebondent comme «5», «8», «1», « 2 ”,« 3 »,« 4 »,« 6 »et« 7 ». Ici, nous allons calculer l'écart type des deux colonnes «points» et «rebonds» en utilisant la fonction std () appliquée au dataframe.

Comme nous le voyons, la sortie montre que l'écart type est apparu à 26.944387 dans la colonne des points et 2.449490 dans la colonne de rebond, respectivement.

Exemple # 03: Calcul d'écart type Pandas de toutes les colonnes numériques

Maintenant, nous avons appris à calculer l'écart type des lignes simples et multiples. Et si nous ne voulons pas spécifier tous les noms de colonne dans le dataframe et calculer l'ensemble des données? Ceci est possible avec une simple implémentation de fonction simple de l'écart-type Pandas pour le calcul de la fragmentation complète de Dataframe dans les résultats. Le DataFrame ici se compose de «L», «M» et «O» avec les valeurs de notation «33», «36», «79», «78», «58», «55» et deux équipes marquent la même chose c'est "25". Les passes décisives sont comme «1», «2», «3», «4», «6», «9», «5» et «7» et leurs rebonds comme «14», «10», «2» , «5», «8», «3», «6» et «9». Nous pouvons calculer tous les écarts de colonne standard par Pandas dans le DataFrame à l'aide de la fonction Pandas «STD ()».

L'affichage a l'écart-type calculé de l'ensemble du «DF» illustré ci-dessous; Nous pouvons également remarquer que les pandas n'ont pas calculé l'écart type de la première colonne, qui est «équipe», car ce n'est pas une colonne numérique.

Exemple # 04: écart-type des pandas à l'aide de l'axe = 0

Dans cet exemple, les dataframes ont les équipes des sports comme «G», «H» et «K» avec d'autres données. Ici, nous calculerons l'écart type en utilisant l'axe comme «0», un paramètre utilisé dans l'écart type Pandas. Cet argument calcule l'écart type colonne en termes de dataframe.

La sortie suivante affiche les résultats dans les colonnes de l'écart type calculé. La colonne de points a l'écart type calculé comme «24.0313062 ”, la colonne d'assistance a l'écart-type calculé comme« 2.669270 ”et l'écart type calculé de la colonne de rebond est indiqué comme« 3.943802 ”.

Exemple # 05: écart type Pandas à l'aide de l'axe = 1

Ici, nous utiliserons le paramètre de l'axe attribué comme «1» pour calculer l'écart-type en pandas. Quelle différence l'axe peut faire «1»? L'argument de l'axe «1» calcule l'écart type en ligne des valeurs numériques dans le dataframe. Le DataFrame a les trois équipes en tant que «S», «D» et «E», avec l'ajout de colonnes de données créées comme des points de l'équipe, des assistances de l'équipe et des rebonds de l'équipe. Directions toutes sont affectées avec différentes valeurs dans le dataframe. Ce paramètre d'axe change de jeu que, au moment, nous devons travailler sur les données où nous voulons qu'elle soit dans une colonne plus point calculée de l'écart type effectué.

La sortie suivante affiche l'écart type calculé dans une ligne de DataFrame:

Conclusion

L'écart type Pandas est une fonction très technique, qui est une fonction très bénéfique car elle trouve l'écart-type du pacte d'enthousiasme de Pandas DataFrames. Dans cet éditorial, nous avons étudié les méthodes de calcul de l'écart-type en pandas. Nous avons effectué des calculs à une seule colonne d'écart-type et de plusieurs colonnes et avons également calculé l'écart type de l'ensemble des données. Toutes les stratégies fonctionnent bien tant qu'elles sont utilisées de manière cohérente et avec les résultats souhaités.