sigma_clipped_stats

astropy.stats.sigma_clipping.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 :类似数组的或 MaskedArray类似数组的或

可以转换为数组的数据数组或对象。

masknumpy.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a True 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可选浮动

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可选浮动

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_lowersigma_upper ,如果输入。默认值为3。

sigma_lower浮动或无,可选

用作剪裁限制下限的标准差数。如果 None 那么它的价值 sigma 使用的是。缺省值为 None

sigma_upper浮动或无,可选

用作剪裁限制上限的标准差数。如果 None 那么它的价值 sigma 使用的是。缺省值为 None

maxiters整型或无型,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'}或可调用,可选

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’}或可调用,可选

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可选的

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。

axisNone或int或int的元组,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 cenfuncstdfunc 。缺省值为 None

grow :浮动或 False 可选浮动或

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。

返回
平均值,中位数,标准偏差浮动

西格玛剪裁数据的平均值、中位数和标准差。

笔记

最佳性能通常通过设置 cenfuncstdfunc 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。