Pandas 从numpy数组到数据帧会更改值

考虑以下代码：

dog = np.random.rand(10, 10)
frog = pd.DataFrame(dog, columns = ['a', 'b', 'c', 'd', 'e', 'f', 'g', 'h', 'i', 'j'])
from sklearn.preprocessing import StandardScaler
slog = StandardScaler()
mog = slog.fit_transform(frog.values)
frog[frog.columns] = mog

好的，现在我们应该有一个数据帧，它的值应该是标准的缩放数组。但是：

frog.describe()

给出：

[![describe the dataframe][1]][1]

请注意，标准偏差为1.05

当

np.std(mog, axis=0)

给出了预期的：

array([1., 1., 1., 1., 1., 1., 1., 1., 1., 1.])

给出了什么？

由

description

方法计算的值使用样本标准偏差，而

StandardScaler

使用总体标准偏差。两者之间的唯一区别是，与平均值的平方差之和是否除以

n-1

（对于样本st.dev.）或

n

（对于pop.std.dev.）

默认情况下，

numpy.std

计算总体标准偏差，但您可以使用它通过添加参数

ddof=1

来计算样本标准偏差，并且结果与

description

计算的值一致：

In [54]: np.std(mog, axis=0, ddof=1)
Out[54]: 
array([1.05409255, 1.05409255, 1.05409255, 1.05409255, 1.05409255,
       1.05409255, 1.05409255, 1.05409255, 1.05409255, 1.05409255])

---

我不确定为什么图像没有显示，但所有列的标准偏差为1.05。部分重复：