Python – คำนวณ Standard Deviation ของคอลัมน์ใน Pandas DataFrame

ภาพรวม

ใช้เมธอด std() ของ Series/DataFrame คำนวณค่าคลาดเบี่ยงเบนมาตรฐาน (Sample standard deviation โดย default ddof=1)

ตัวอย่างโค้ด

import pandas as pd

dataFrame1 = pd.DataFrame({
    "Car": ['BMW', 'Lexus', 'Audi', 'Tesla', 'Bentley', 'Jaguar'],
    "Units": [100, 150, 110, 80, 110, 90]
})

dataFrame2 = pd.DataFrame({
    "Product": ['TV', 'PenDrive', 'HeadPhone', 'EarPhone', 'HDD', 'SSD'],
    "Price": [8000, 500, 3000, 1500, 3000, 4000]
})

print("DataFrame1 ...\n", dataFrame1)
print("Standard Deviation of Units:", dataFrame1['Units'].std())

print("\nDataFrame2 ...\n", dataFrame2)
print("Standard Deviation of Price:", dataFrame2['Price'].std())

ผลลัพธ์

DataFrame1 ...
       Car  Units
0      BMW    100
1    Lexus    150
2     Audi    110
3    Tesla     80
4  Bentley    110
5   Jaguar     90
Standard Deviation of Units: 24.2212028328

DataFrame2 ...
    Product  Price
0        TV   8000
1  PenDrive    500
2 HeadPhone   3000
3 EarPhone   1500
4       HDD   3000
5       SSD   4000
Standard Deviation of Price: 2601.28173535

พารามิเตอร์ ddof (Delta Degrees of Freedom)

• ddof=1 (default) – Sample standard deviation (แบ่งด้วย n-1)
• ddof=0 – Population standard deviation (แบ่งด้วย n)

s = pd.Series([100, 150, 110, 80, 110, 90])
print(s.std(ddof=1))  # 24.22 (sample)
print(s.std(ddof=0))  # 22.11 (population)

คำนวณหลายคอลัมน์พร้อมกัน

# ทุกคอลัมน์ numeric
df.std()

# คอลัมน์เฉพาะ
df[['Units', 'Price']].std()

# แบบ DataFrame.agg
df.agg({'Units': 'std', 'Price': ['std', 'mean']})

NaN Handling

• std() ข้าม NaN อัตโนมัติ (skipna=True default)
• ถ้าทุกค่าเป็น NaN หรือมี 1 ค่า -> NaN