Python：使用pandas和numpy计算标准差的区别

首先，普及一下pandas与numpy的区别：

pandas操作的数据集是Series，本质上是列表与字典的混合，常用的数据形式为DataFrame；

numpy操作的数据集是数组或矩阵。

1、对数组求均值、方差、标准差

2、对矩阵求标准差

注意：在求标准差时需要注意几个问题：

1、在统计学中，标准差分为两种：

（1）总体标准差：标准差公式根号内除以n，是有偏的。

（2）样本标准差：标准差公式根号内除以n-1，是无偏的。

2、pandas与numpy在计算标准差时的区别

（1）numpy

?在numpy中计算标准差时，括号内要指定ddof的值，ddof表示自由度，当ddof=0时计算的是总体标准差；当ddof=1时计算的是样本标准差，当不为ddof设置值时，其默认为总体标准差。

（2）pandas

?在使用pandas计算标准差时，其与numpy的默认情况是相反的，在默认情况下，pandas计算的标准差为样本标准差。

python里面的列表用list表示，它非常类似我们js中的数组，使用中括号来表示。

例如 list3 = ["a", "b", "c", "d"]

python中默认没有提供数组类型，不过有个元组类型，它类似列表，但是不能修改。

tup1 = ('physics', 'chemistry', 1997, 2000)

在python中有个numpy包，它里面提供了数组array

import numpy as np

print(np.array([2,3,4]))