熊猫如何计算sem()？

Question

第一批进口熊猫并创造正态分布完善的系列：

import pandas as pd

lst = [[5 for x in range(5)], [4 for x in range(4)], [3 for x in range(3)],
       [2 for x in range(2)], [1 for x in range(1)], [2 for x in range(2)],
       [3 for x in range(3)], [4 for x in range(4)], [5 for x in range(5)]]

lst = [item for sublists in lst for item in sublists]

series = pd.Series(lst)

让我们检查一下，这个分布是正常的：

print(round(sum(series - series.mean()) / series.count(), 1) == 0)
# if distribution is normal we'll see True

现在，让我们为宇宙打印sem()：

print(series.sem(ddof=0))
# 0.21619987017

现在作为样本：

print(series.sem()) # ddof=1
# 0.220026713637

但我不明白熊猫如何计算出如果它在宇宙中工作的平均值的标准误差。有用吗？

se_x = sd_x / sqrt(len(x))

或者创建样本？如果它创建了样本，那么我可以设置多少以及如何设置它们的计数？

如果计数< 30，熊猫是如何计算样本sem的？

Answer 1

方法动态

    cls.sem = _make_stat_function_ddof(
        cls, 'sem', name, name2, axis_descr,
        "Return unbiased standard error of the mean over requested "
        "axis.\n\nNormalized by N-1 by default. This can be changed "
        "using the ddof argument",
        nanops.nansem)

是

@disallow('M8', 'm8')
def nansem(values, axis=None, skipna=True, ddof=1):
    var = nanvar(values, axis, skipna, ddof=ddof)

    mask = isnull(values)
    if not is_float_dtype(values.dtype):
        values = values.astype('f8')
    count, _ = _get_counts_nanvar(mask, axis, ddof, values.dtype)
    var = nanvar(values, axis, skipna, ddof=ddof)

    return np.sqrt(var) / np.sqrt(count)

您还可能希望检查scipy.stats模块中可用的方法。