如何用Pandas计算排除指定标签外所有标签值的标准差？

我们需要给DataFrame的每行计算排除当前行对应标签外，所有其他标签的val值的标准差。由于相同标签的行计算结果一致，先按标签批量计算再映射到行的方式会更高效。

步骤1：导入库并初始化DataFrame #

import pandas as pd

df = pd.DataFrame({'labels' : ['A','A', 'B', 'C', 'C'],'val' : [1, 2, 3, 4, 5]})

步骤2：按标签批量计算标准差 #

遍历所有唯一标签，为每个标签预计算对应其他标签数据的标准差，再将结果映射到原DataFrame：

# 构建标签与对应标准差的映射字典
std_map = {}
for label in df['labels'].unique():
    # 筛选当前标签以外的所有val值
    other_vals = df.loc[df['labels'] != label, 'val']
    # 计算标准差：ddof=0为总体标准差，默认ddof=1为样本标准差，可按需调整
    std_map[label] = other_vals.std(ddof=0)

# 将结果映射到原DataFrame的新列
df['other_labels_std'] = df['labels'].map(std_map)

步骤3：查看最终结果 #

运行后df会新增一列other_labels_std，具体结果如下：

补充说明 #

• 若需要计算样本标准差（分母为n-1），直接使用other_vals.std()即可，无需传入ddof=0参数。
• 这种批量计算的方式比逐行apply效率更高，尤其在数据量较大时，每个标签仅需计算一次标准差，避免重复运算。

内容的提问来源于stack exchange，提问作者sra7687