sigma_clipped_stats#
- astropy.stats.sigma_clipped_stats(data, mask=None, mask_value=None, sigma=3.0, sigma_lower=None, sigma_upper=None, maxiters=5, cenfunc='median', stdfunc='std', std_ddof=0, axis=None, grow=False)[源代码]#
根据提供的数据计算sigma裁剪统计。
- 参数:
- data : array_like 或
MaskedArrayNumPy：ARRAY_LIKE或Masked数组 可以转换为数组的数据数组或对象。
- mask :
numpy.ndarray(bool )，可选努比·恩达雷（bool），可选 与形状相同的布尔掩码
data，其中aTrue值指示的相应元素data戴着面具。在计算统计信息时，屏蔽像素被排除在外。- mask_value :
float，可选Python：Float，可选 数据值(例如，
0.0)，在计算统计数据时被忽略。mask_value除了任何输入外，还将被屏蔽mask。- sigma :
float，可选Python：Float，可选 用于剪裁下限和上限的标准差的数目。这些限制被以下各项覆盖
sigma_lower和sigma_upper，如果输入。默认值为3。- sigma_lower :
float或None，可选PYTHON：FLOAT或PYTHON：无，可选 - sigma_upper :
float或None，可选PYTHON：FLOAT或PYTHON：无，可选 - maxiters :
int或None，可选PYTHON：INT或PYTHON：NONE，可选 要执行的最大西格玛修剪迭代次数或
None进行剪裁，直到达到收敛(即，迭代直到最后一次迭代不剪裁任何内容)。如果在此之前实现收敛maxiters迭代，则剪裁迭代将停止。默认值为5。- cenfunc : {'median', 'mean'} or
callable()，可选{‘中位数’，‘平均值’}或 用于计算剪裁中心值的统计或可调用函数/对象。如果使用可调用的函数/对象并且
axis关键字，则它必须能够忽略NAN(例如，numpy.nanmean)并且它必须有一个axis关键字返回删除了轴维的数组。缺省值为'median'。- stdfunc : {'std', 'mad_std'} or
callable()，可选{‘std’，‘MAD_std’}或 用于计算关于中心值的标准偏差的统计或可调用函数/对象。如果使用可调用的函数/对象并且
axis关键字，则它必须能够忽略NAN(例如，numpy.nanstd)并且它必须有一个axis关键字返回删除了轴维的数组。缺省值为'std'。- std_ddof :
int，可选PYTHON：int，可选 用于标准偏差计算的增量自由度。计算中使用的除数是
N - std_ddof，在哪里N表示元素的数量。默认值为0。- axis :
None或int或tuple的int，可选PYTHON：NONE或PYTHON：INT或PYTHON：PYTHON的元组：INT，可选 要沿着其西格玛剪裁数据的一个或多个轴。如果
None，则将使用展平的数据。axis被传递给cenfunc和stdfunc。缺省值为None。- grow :
float或False，可选Python：Float或False，可选 遮罩超出剪裁限制的相邻像素的半径（仅适用于
axis，如果指定）。例如，对于2D图像，值为1将在每个偏差像素周围以交叉模式遮罩最近的像素，而1.5也将拒绝最近的对角线邻域，依此类推。
- data : array_like 或
- 返回:
- mean, median, stddev :
floatPython ：浮点 西格玛剪裁数据的平均值、中位数和标准差。
- mean, median, stddev :
参见
笔记
最佳性能通常通过设置
cenfunc和stdfunc指定为字符串的其中一个内置函数。如果其中一个选项设置为字符串，而另一个选项具有自定义可调用对象，则在某些情况下，如果使用 bottleneck 已安装软件包。