Python 时间序列的标准差

我想计算样本的平均值和标准偏差。示例有两列，第一列是时间，第二列是值，用空格分隔。我不知道如何使用python计算第二列数值的平均值和标准偏差，也许是scipy？我想对大型数据集使用该方法。 我还想检查一个集合的哪个数是标准差的七倍。 谢谢你的帮助

time value
 1 1.17e-5
 2 1.27e-5
 3 1.35e-5
 4 1.53e-5
 5 1.77e-5

---

平均值为

1.418e-5

，标准偏差为

2.369-6

为了回答您的第一个问题，假设您的样本的数据帧为

df

，以下应能起作用：

import pandas as pd

df = pd.DataFrame({'time':[1,2,3,4,5], 'value':[1.17e-5,1.27e-5,1.35e-5,1.53e-5,1.77e-5]}

df

将是这样的：

>>> df
   time     value
0     1  0.000012
1     2  0.000013
2     3  0.000013
3     4  0.000015
4     5  0.000018

然后，要分别获得

值

列的标准偏差和平均值，运行以下操作，您将获得输出：

>>> df['value'].std()
2.368966019173766e-06

>>> df['value'].mean()
1.418e-05

要回答第二个问题，请尝试以下方法：

std = df['value'].std()
df = df[(df.value > 7*std)]

>>> df
   time     value
4     5  0.000018

std = df['value'].std(ddof=0)
df = df[(df.value > 7*std)]

我假设您希望获得

值

大于样本标准偏差7倍的行。如果您想要大于或等于，只需将

更改为

>=

。然后，您应该能够获得以下信息：

std = df['value'].std()
df = df[(df.value > 7*std)]

>>> df
   time     value
4     5  0.000018

std = df['value'].std(ddof=0)
df = df[(df.value > 7*std)]

此外，按照@Mad Physicator的建议，添加δ自由度

ddof=0

（如果您不熟悉，请检查），这样做会导致以下结果：

std = df['value'].std()
df = df[(df.value > 7*std)]

>>> df
   time     value
4     5  0.000018

std = df['value'].std(ddof=0)
df = df[(df.value > 7*std)]

输出：

>>> df
   time     value
3     4  0.000015
4     5  0.000018

---

另外，如果我没有错的话，这里的惯例是一篇文章只回答一个问题，而不是两个问题。

我想你可能希望标准偏差中的ddof=0computation@MadPhysicist嗯，你说得有道理。我将在上面添加您的建议：）