python numpy中std()和pandas中std()的区别

我就是我 2023-06-16 01:53 23阅读 0赞

**std()函数就是初高中学的标准差**

计算得出的默认标准偏差类型在 numpy 的 .std() 和 pandas 的 .std() 函数之间是不同的。  
默认情况下，numpy 计算的是总体标准偏差，ddof = 0。另一方面，pandas 计算的是样本标准偏差，ddof = 1。如果我们知道所有的分数，那么我们就有了总体——因此，要使用 pandas 进行归一化处理，我们需要将“ddof”设置为 0。

在统计学中，多年的经验总结出：

如是总体,标准差公式根号内除以 n，  
如是样本,标准差公式根号内除以 （n-1），  
因为我们大量接触的是样本,所以普遍使用根号内除以（n-1)。  
公式意义 ：所有数减去平均值,它的平方和除以数的个数（或个数减一),再把所得值开根号,就是1/2次方,得到的数就是这组数的标准差。

以上参考：https://blog.csdn.net/qq\_38486203/article/details/84540260

# numpy的scale就是 x-mean/std #

import numpy as np

from  sklearn import preprocessing

data = np.array(\[\[3, -1.5, 2, -5.4\], \[0, 4, -0.3, 2.1\], \[1, 3.3, -1.9, -4.3\]\])

print(data.mean(axis=0))

print(data.std(axis=0))

data\_standardized = preprocessing.scale(data)

print(data\_standardized)

--------------------

> ‘’‘以第一列3，0,1为例，其均值为1.333，方差=sqrt((power(3-1.33,2)+power(0-1.33,2)+power(1-1.33,2))/3)=1.247’则标准化为(3-1.333)/1.247=1.3363，大概就是这么一回事情‘’‘

以上参考：https://www.jianshu.com/p/ab84f1a467c7

一个代码小片段帮助理解

#标准差标准化
    import pandas as pd
    
    datafile='f:/data/7/7.2/zscoredata.xls'   #需要进行标准化的数据文件；
    zscoredfile='f:/data/7/7.2/tmp/zscoreddata.xls'  #标准差化后的数据存储路径文件；
    
    #标准化处理 min是均值 std是标准差
    data=pd.read_excel(datafile)
    
    #numpy的scale就是 x-mean/std
    data=(data-data.mean(axis=0))/(data.std(axis=0))
    #关于axis=0或者1:https://www.cnblogs.com/nyist-/p/7998326.html
    
    data.columns=['z'+i for i in data.columns]  #表头重命名
    
    data.to_excel(zscoredfile,index=False)