圆形

astropy.stats.circvar(data, axis=None, weights=None)

计算循环数据数组的循环方差。

有一些概念用于定义循环数据的分散性度量。此处实现的方差基于 [1], 这也是R包“CircStats”使用的相同方法 [2].

参数:

data : ndarray 或 QuantityNdarray或数量

圆形(定向)数据的数组，假定在任何时候都以弧度表示 data 是 numpy.ndarray 。无量纲，如果是数量。

axis : int ，可选PYTHON：int，可选

计算循环方差的轴。默认值是计算展平数组的方差。

weights : numpy.ndarray ，可选努比·恩达雷，可选

对于分组数据，第i个元素 weights 表示每个组的权重因子，以便 sum(weights, axis) 等于观察数。看到了吗 [1], 备注1.4，第22页，详细说明。

返回:

circvarNdarray或数量 [:ref: 'dimensionless']

循环方差。

笔记

对于小于1.9.0的Scipy， scipy.stats.circvar 根据使用接近线性方差的小角度限制的近似值使用不同的定义。对于Scipy>=1.9.0， scipy.stats.cirvar 使用与此实现一致的定义。

工具书类

[1] (1,2)

S、 R.Jammalamadaka，A.SenGupta.“循环统计专题”。多元分析系列，第5卷，2001年。

[2]

C、 阿古斯蒂内利，U.Lund“循环统计专题（2001）”中的循环统计。2015<https://cran.r-project.org/web/packages/CircStats/CircStats.pdf>

实例

>>> import numpy as np
>>> from astropy.stats import circvar
>>> from astropy import units as u
>>> data = np.array([51, 67, 40, 109, 31, 358])*u.deg
>>> circvar(data) 
<Quantity 0.16356352748437508>