为何Pandas中Series.std()对相同数值的计算结果不一致？

核心原因 #

0.19这个十进制小数无法被二进制浮点数精确存储，实际在内存中是一个接近0.19的近似值。当计算样本标准差（Pandas的std()默认使用ddof=1，即除以n-1）时：

• 2个元素：两个近似值的差异极小，计算后结果被舍入为0；
• 3个元素：浮点数的累积误差在计算过程中未被完全抵消，导致出现一个极小的非零值（本质是浮点数噪声）；
• 4个元素：误差再次被抵消或舍入，结果回到0。

验证方法 #

如果使用精确小数类型存储数值，就能得到理论上的0：

import pandas as pd
from decimal import Decimal

s = pd.Series([Decimal('0.19')] * 3)
print(s.std())  # 输出0

补充说明 #

样本标准差的计算公式为：$\sqrt{\frac{\sum_{i=1}^n (x_i - \bar{x})^{2}{n-1}}$。当所有$x_i$理论相等时，分子应为0，但浮点数的近似存储导致$\sum_{i=1}}n (x_i - \bar{x})^2$是一个极小的正数，最终开根得到非零结果。

内容的提问来源于stack exchange，提问作者Václav Bočan