多次运行结果汇总

论文中的结果通常要报告多次运行的均值和标准差，手工计算既慢又容易出错。

说明

每一列是一个方法或配置，每一行是一次运行（例如一个随机种子），第一行是表头。
标准差是样本标准差（除以 n-1），和 numpy.std(ddof=1)、pandas 的 std 一致；也可以改成标准误或 95% 置信区间。
要判断两种方法的差异是否显著，用“实验结果显著性检验”或“配对检验”。