如何计算DataFrame中salary列各向量的标准差

给定如下DataFrame：

解决方案 #

用pandas结合numpy即可实现，核心是通过apply方法对salary列的每个列表单独计算标准差：

1. 导入依赖库：

import pandas as pd
import numpy as np

2. 构造示例DataFrame：

df = pd.DataFrame({
    "部门名称": ["销售部", "财务部", "市场部", "信息技术部"],
    "salary": [[30, 36], [10, 98], [20, 22], [40, 90]]
})

3. 计算标准差：

# 计算总体标准差（分母为样本数量n，默认ddof=0）
df["salary_std"] = df["salary"].apply(lambda x: np.std(x))

# 若需计算样本标准差（分母为n-1），修改参数：
# df["salary_std"] = df["salary"].apply(lambda x: np.std(x, ddof=1))

4. 最终结果示例：
   执行后DataFrame会新增标准差列，具体数值如下：

说明 #

• np.std()默认计算总体标准差，如果是抽样数据需要用ddof=1切换为样本标准差
• 也可以用statistics.stdev()直接计算样本标准差，但numpy在批量处理时效率更高

内容的提问来源于stack exchange，提问作者Khalil Fall