pandas.DataFrame.sem

数据框。sem（轴= 0， skipna = True， ddof = 1， numeric_only = False， ** kwargs）

返回请求轴上平均值的无偏标准误差。

默认情况下按 N-1 归一化。这可以使用 ddof 参数来更改

参数：

轴{索引 (0)，列 (1)}

对于系列，此参数未使用，默认为 0。

警告

DataFrame.sem 的行为axis=None已被弃用，在未来版本中，这将在两个轴上减少并返回标量要保留旧行为，请传递 axis=0 （或不传递 axis）。

Skipna布尔值，默认 True

排除 NA/null 值。如果整行/列为 NA，则结果将为 NA。

ddof int，默认1

Delta 自由度。计算中使用的除数是 N - ddof，其中 N 表示元素的数量。

numeric_only布尔值，默认 False

仅包含 float、int、boolean 列。未针对系列实现。

返回：

Series 或 DataFrame（如果指定级别）

例子

>>> s = pd.Series([1, 2, 3])
>>> s.sem().round(6)
0.57735

使用数据框

>>> df = pd.DataFrame({'a': [1, 2], 'b': [2, 3]}, index=['tiger', 'zebra'])
>>> df
       a   b
tiger  1   2
zebra  2   3
>>> df.sem()
a   0.5
b   0.5
dtype: float64

使用轴=1

>>> df.sem(axis=1)
tiger   0.5
zebra   0.5
dtype: float64

在这种情况下，numeric_only应设置为True 以避免出现错误。

>>> df = pd.DataFrame({'a': [1, 2], 'b': ['T', 'Z']},
...                   index=['tiger', 'zebra'])
>>> df.sem(numeric_only=True)
a   0.5
dtype: float64