sigma_clipped_stats#

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 : 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: 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 : float 或 None ，可选PYTHON：FLOAT或PYTHON：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 : 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: 标准差计算的增量自由度。计算中使用的因子是 N - std_ddof ，在哪里 N 代表元素的数量。对于拥有整个人群数据的人群标准差，请使用 std_ddof=0 .对于具有人群样本的样本标准差，请使用 std_ddof=1 .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。

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。

参见

SigmaClippedStats , SigmaClip , sigma_clip

笔记

最佳性能通常通过设置来获得 cenfunc 和 stdfunc 指定为字符串的内置函数之一。如果将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项，则在某些情况下， bottleneck 包已安装。为了保持准确性，瓶颈仅用于float 64计算。