分布

class astropy.uncertainty.Distribution(samples)[源代码]

基类:object

具有相关不确定性分布的标量值或数组值。

此对象将从 samples 论点是。一般来说,这将是一个 Quantitynumpy.ndarray ,尽管任何与 numpy.asanyarray 是可能的。

另请参见:https://docs.astropy.org/en/stable/uncertifications/

参数
samplesarray_like

分布,沿 主要的 轴心国。如果是1D,则将唯一维度用作采样轴(即,它是标量分布)。

属性摘要

distribution 

n_samples 

此分布的样本数。

方法总结

pdf_histogram *  * 克瓦格斯)

计算分布中样本的直方图。

pdf_mad \ [out] )

这个分布的中值绝对偏差。

pdf_mean \ [dtype, out] )

这个分布的平均值。

pdf_median \ [out] )

这个分布的中位数。

pdf_percentiles \(百分位, *  * 克瓦格斯)

计算这个分布的百分位数。

pdf_smad \ [out] )

正态分布的正态分布与此标准偏差的绝对值相匹配。

pdf_std \ [dtype, out, ddof] )

这个分布的标准差。

pdf_var \ [dtype, out, ddof] )

这个分布的方差。

属性文档

distribution
n_samples

此分布的样本数。单曲 int .

方法文件

pdf_histogram(**kwargs)[源代码]

计算分布中样本的直方图。

参数
All keyword arguments are passed into `astropy.stats.histogram`. Note
其中一些选项可能对某些多维数据无效
distributions.
返回
hist数组

直方图的值。尾随维数是直方图维数。

bin_edges数据类型浮点数组

返回粮箱边缘 (length(hist)+1) . 尾随维度是bin直方图维度。

pdf_mad(out=None)[源代码]

这个分布的中值绝对偏差。

参数
out可选数组

用于放置结果的可选输出数组。它必须具有与预期输出相同的形状和缓冲区长度,但如果需要,将强制转换(输出的)类型。

pdf_mean(dtype=None, out=None)[源代码]

这个分布的平均值。

论据是关于 numpy.mean .

pdf_median(out=None)[源代码]

这个分布的中位数。

参数
out可选数组

用于放置结果的可选输出数组。它必须具有与预期输出相同的形状和缓冲区长度,但如果需要,将强制转换(输出的)类型。

pdf_percentiles(percentile, **kwargs)[源代码]

计算这个分布的百分位数。

参数
百分位数 :浮点或浮点数组或 Quantity浮点数或浮点数数组或

期望的分布规则(即 [0100号] ) Quantity 将转换为百分比,这意味着 dimensionless_unscaled Quantity 将被解释为分位数。

Additional keywords are passed into `numpy.percentile`.
返回
百分位Quantity数量

这个 fracs 这个分布的百分位数。

pdf_smad(out=None)[源代码]

正态分布的正态分布与此标准偏差的绝对值相匹配。

参数
out可选数组

用于放置结果的可选输出数组。它必须具有与预期输出相同的形状和缓冲区长度,但如果需要,将强制转换(输出的)类型。

pdf_std(dtype=None, out=None, ddof=0)[源代码]

这个分布的标准差。

论据是关于 numpy.std .

pdf_var(dtype=None, out=None, ddof=0)[源代码]

这个分布的方差。

论据是关于 numpy.var .