2つの列は、中心が同じでもまったく違う振る舞いをすることがあります。ばらつきは、値が中心からどれだけ離れているかを測ります:
- 標準偏差(SD)は、列そのものの単位での、平均からの典型的な距離です。標本ではnではなくn - 1で割ります。pandasの
.std()は既定でそうしますが、np.std()はddof=1を渡さない限りnで割ります。
- 分散はSDの2乗で、単位も2乗になるので、人はSDを報告します。
- 四分位範囲(IQR)は、25パーセンタイルと75パーセンタイルの間の距離で、データの真ん中の半分です。外れ値はほとんど動かしません。
- 変動係数はSDを平均で割るので、尺度の異なるもののばらつきを比べられます。
ほぼ対称なデータにはSDを、外れ値のある歪んだデータにはIQRを使ってください。