排除最小值和最大值
一种快速的方法是利用 NumPy 对每行数据进行排序，然后排除首尾值，并计算标准差：
```python
df['sd'] = np.sort(df.values, axis=1)[:, 1:-1].std(axis=1, ddof=1)
此处通过 np.sort 函数对 DataFrame df 按行排序后，取除了每行的第一个（最小值）和最后一个元素（最大值），再沿轴1（即按列）计算剩余数值的标准差。
处理重复的最小值和最大值（排除所有重复）
如果你的数据中可能存在多个相同的最小值或最大值，并希望排除所有这些重复的极值，可以先计算一个掩码：
```python
m1 = df.ne(df.min(axis=1), axis=0)
m2 = df.ne(df.max(axis=1), axis=0)
df['sd'] = df.where(m1 & m2).std(axis=1)
这里首先计算出两个布尔掩码 m1 和 m2，分别表示每行中不等于该行最小值和最大值的元素位置。然后使用 where 函数基于这两个掩码过滤掉所有重复出现的最小值和最大值，并计算剩余元素的标准差。
输出结果如下：
| | a | b | c | d | e | sd |
|---|-----|---|-----|-----|-----|----|
| 0 | -100| 2| 3 | 60 | 4 | 1.0|
| 1 | 7 | 5| -50 | 9 | 130 | 2.0|
请注意，上述代码片段以 Markdown 格式呈现，但实际执行时应转换为 Python 代码。