熊猫与numpy的不同std

Question

大熊猫和numpy之间的标准偏差不同。为什么和哪一个是正确的？ （相对差异是3.5％，这不应该来自四舍五入，这在我看来很高）。

例

import numpy as np
import pandas as pd
from StringIO import StringIO

a='''0.057411
0.024367
 0.021247
-0.001809
-0.010874
-0.035845
0.001663
0.043282
0.004433
-0.007242
0.029294
0.023699
0.049654
0.034422
-0.005380'''


df = pd.read_csv(StringIO(a.strip()), delim_whitespace=True, header=None)

df.std()==np.std(df) # False
df.std() # 0.025801
np.std(df) # 0.024926

(0.024926 - 0.025801) / 0.024926 # 3.5% relative difference

我使用这些版本：

熊猫：'0.14.0'numpy：'1.8.1'

Answer 1

简而言之，两者都不是“不正确”。熊猫使用unbiased estimator（分母中的N-1），而Numpy默认不使用。

为了使它们表现相同，将ddof=1传递给numpy.std()。

有关进一步讨论，请参阅

• Can someone explain biased/unbiased population/sample standard deviation?
• Population variance and sample variance。
• Why divide by n-1?

Answer 2

对于pandas执行与numpy相同，您可以传入ddof=0参数，所以df.std(ddof=0)。

这段简短的视频很好地解释了为什么n-1可能是样品的首选。 https://www.youtube.com/watch?v=Cn0skMJ2F3c