分布

class astropy.uncertainty.Distribution(samples)

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。一般而言，预计这将是 NdarrayDistribution 为 numpy.ndarray 输入，并且，例如， QuantityDistribution 对于子类，如 Quantity 。但任何与之兼容的 numpy.asanyarray 是可能的(通常生产 NdarrayDistribution )。

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

参数:

samples : array_likeNumpy：ARRAY_LIKE

分布，并沿 trailing 轴心。如果为1D，则将唯一维度用作采样轴(即，它是标量分布)。如果一个 numpy.ndarray 或子类，则不会复制数据，除非无法查看(通常情况下，仅当最后一个轴的步长为负时)。

属性摘要

distribution
dtype
n_samples	此分布的样本数。

方法总结

astype(dtype, *args, **kwargs)
pdf_histogram(**kwargs)	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(percentile, **kwargs)	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

dtype

n_samples

此分布的样本数。单曲 int .

方法文件

astype(dtype, *args, **kwargs)

pdf_histogram(**kwargs)

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 : array数组

直方图的值。尾随维数是直方图维数。

bin_edges : array 的 dtype float数组的dtype Python：Float

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

pdf_mad(out=None)

这个分布的中值绝对偏差。

参数:

out : array ，可选可选数组

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)

这个分布的平均值。

论据是关于 numpy.mean .

pdf_median(out=None)

这个分布的中位数。

参数:

out : array ，可选可选数组

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)

计算这个分布的百分位数。

参数:

percentile : float 或 array 的 float 或 QuantityPYTHON：FLOAT或PYPTION的数组：Float或Quantity

分布的所需百分位数(即 [0,100] )。 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:

percentiles : Quantity [:ref: 'dimensionless' ]数量 [:ref: 'dimensionless']

这个 fracs 这个分布的百分位数。

pdf_smad(out=None)

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 : array ，可选可选数组

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)

这个分布的标准差。

论据是关于 numpy.std .

pdf_var(dtype=None, out=None, ddof=0)

这个分布的方差。

论据是关于 numpy.var .