Ctrl+K

biweight_location#

astropy.stats.biweight.biweight_location(data, c=6.0, M=None, axis=None, *, ignore_nan=False)[源代码]#

计算重锤位置。

双权定位是确定分布中心位置的稳健统计。计算公式如下：

\[\zeta_{biloc}=M+\frac{\sum_{ |u_i| <1}\(x_i-M)(1-u_i^2)^2} {\SUM_{ |u_i| <1}\(1-u_i^2)^2}\]

在哪里？ \(x\) 是输入数据， \(M\) 是样本中值（或输入初始位置猜测）和 \(u_i\) 计算公式：

\[u{i}=\frac{（x}i-M）}{c*MAD}\]

在哪里？ \(c\) 调谐是否恒定且 \(MAD\) 是 median absolute deviation . 双重定位调谐常数 c 通常为6.0（默认值）。

如果 \(MAD\) 为零，则返回中值。

参数:
data : array_likeNumpy：ARRAY_LIKE

可以转换为数组的输入数组或对象。 data 可以是 MaskedArray .

c : float ，可选Python：Float，可选

双权重估计器的调整常数（默认值=6.0）。

M : float 或 array_like ，可选PYTHON：FLOAT或NumPY：ARRAY_LIKE，可选

位置的初步猜测。如果 M 是标量值，则其值将用于整个数组（或沿每个数组使用 axis ，如果指定）。如果 M 是一个数组，那么它必须是一个包含每个数组的初始位置估计值的数组 axis 输入数组的。如果 None （默认），则将使用输入数组的中值（或沿每个数组） axis ，如果指定）。

axis : None ， int ，或 tuple 的 int ，可选PYTHON：NONE、PYTHON：INT或PYTHON：TUTPLE OF PYTHON：INT，可选

计算重锤位置的一个或多个轴。如果 None （默认），然后将计算平坦输入数组的双权重位置。

ignore_nan : bool ，可选可选的布尔

是否忽略输入中的NaN值 data .

返回:
biweight_location : float 或 ndarrayPython ：浮点或ndarray

输入数据的双权位置。如果 axis 是 None 然后返回一个标量，否则 ndarray 将被退回。

参见

biweight_scale, biweight_midvariance, biweight_midcovariance

工具书类

[1]

比尔斯、弗林和格哈特（1990；AJ 100、32）(https://ui.adsabs.harvard.edu/abs/1990AJ….100…32B)

实例

从高斯分布生成随机变量，并返回分布的双权位置：

>>> import numpy as np
>>> from astropy.stats import biweight_location
>>> rand = np.random.default_rng(12345)
>>> biloc = biweight_location(rand.standard_normal(1000))
>>> print(biloc)    
0.01535330525461019
Edit on GitHub