为何Numpy与Pandas计算标准差输出不同？自由度概念解惑

一、自由度到底是什么？ #

自由度（Degrees of Freedom, DF）简单说就是计算统计量时可以自由变动的数值个数。举个实际例子：如果有一组共6个数据，你已经算出它们的平均值，那前5个数值可以随便取，但第6个数值是被平均值固定死的——必须满足6个数值的总和等于6×平均值。这时候这组数据的自由度就是5，也就是6-1。

本质上，自由度是为了修正统计估计的偏差：当我们用样本数据去推测总体情况时，样本均值会比真实总体均值更“贴合”当前样本，直接用数据总数做分母会低估总体的标准差，用n-1做分母能修正这个偏差，让估计结果更准确。

二、自由度和样本/总体标准差的直接关系 #

标准差是方差的平方根，而方差计算的分母就是自由度，两者直接绑定：

• 总体标准差：当你拥有整个总体的所有数据时，分母用数据总数n（自由度为n）。因为你掌握了全部信息，不需要修正，直接除以n即可得到真实的总体方差。
• 样本标准差：当你只用部分样本数据估计总体情况时，分母用n-1（自由度为n-1）。这是一种“无偏估计”，用来修正样本均值带来的偏差，让结果更接近真实的总体标准差。

三、回到Numpy和Pandas的差异 #

看你的代码：

import numpy as np
import pandas as pd
fir_salary = [10000,20000,15000,20000,15000,25000]
df=pd.DataFrame(fir_salary)

print(np.std(fir_salary))  # 默认计算总体标准差，分母用n=6
print(df.std())            # 默认计算样本标准差，分母用n-1=5

两者的差异完全来自默认的自由度设置：

• Numpy的np.std()默认参数ddof=0（自由度修正值为0），所以用数据总数n做分母，计算的是总体标准差。
• Pandas的df.std()默认参数ddof=1（自由度修正值为1），所以用n-1做分母，计算的是样本标准差。

如果要让两者结果一致，只需要统一自由度：

• 让Numpy计算样本标准差：np.std(fir_salary, ddof=1)
• 让Pandas计算总体标准差：df.std(ddof=0)

内容的提问来源于stack exchange，提问作者Himanshu Jain