参考/API

astropy.stats 软件包

此子包包含Astropy提供或使用的统计工具。

而 scipy.stats 该软件包包含多种统计工具，是一个通用的软件包，缺少一些对天文学特别有用或在天文学中以非典型方式使用的工具。此软件包旨在提供此类功能，但是 not 替代 scipy.stats 如果它的实现满足天文学家的需要。

功能

binned_binom_proportion(x, success[, bins, ...])	连续变量的二项比例与区间 x .
binom_conf_interval(k, n[, ...])	二项比例置信区间给定k次成功，n次试验。
bootstrap(data[, bootnum, samples, bootfunc])	在numpy数组上执行引导重采样。
cdf_from_intervals(breaks, totals)	从一对数组构造一个可调用的分段线性CDF。
fold_intervals \(间隔)	将加权区间折为区间（0,1）。
histogram_intervals(n, breaks, totals)	分段等权函数的直方图。
interval_overlap_length(i1, i2)	计算两个间隔的重叠长度。
kuiper(data[, cdf, args])	计算柯伊伯统计量。
kuiper_false_positive_probability(D, N)	计算柯伊伯统计量的假阳性概率。
kuiper_two(data1, data2)	比较两个样本的柯伊伯统计量。
mad_std(data[, axis, func, ignore_nan])	使用 median absolute deviation (MAD) .
median_absolute_deviation(data[, axis, ...])	计算中值绝对偏差（MAD）。
poisson_conf_interval(n[, interval, sigma, ...])	在给定观测计数的情况下，泊松参数可信区间。
signal_to_noise_oir_ccd(t, source_eps, ...)	计算使用CCD在光学/IR中观察到的光源的信噪比。
biweight_location(data[, c, M, axis, ignore_nan])	计算重锤位置。
biweight_midcorrelation(x, y[, c, M, ...])	计算两个变量之间的双权中间相关。
biweight_midcovariance(data[, c, M, ...])	计算多变量对之间的双权中协方差。
biweight_midvariance(data[, c, M, axis, ...])	计算双权中方差。
biweight_scale(data[, c, M, axis, ...])	计算体重秤。
sigma_clip(data[, sigma, sigma_lower, ...])	对提供的数据执行sigma裁剪。
sigma_clipped_stats(data[, mask, ...])	根据提供的数据计算sigma裁剪统计。
jackknife_resampling \(数据)	对numpy数组执行jackknife重采样。
jackknife_stats(data, statistic[, ...])	根据刀切重采样执行刀切估计。
circcorrcoef(alpha, beta[, axis, ...])	计算两个圆阵数据之间的相关系数。
circmean(data[, axis, weights])	计算循环数据数组的圆平均角。
circmoment(data[, p, centered, axis, weights])	计算 p -圆数据数组的三角圆矩。
circstd(data[, axis, weights, method])	计算循环数据数组的循环标准差。
circvar(data[, axis, weights])	计算循环数据数组的循环方差。
rayleightest(data[, axis, weights])	执行瑞利均匀性测试。
vonmisesmle(data[, axis, weights])	计算von-Mises分布参数的极大似然估计（MLE）。
vtest(data[, mu, axis, weights])	执行瑞利一致性检验，假设替代假设H1具有已知的平均角 mu .
bayesian_blocks(t[, x, sigma, fitness])	使用斯卡格尔的贝叶斯数据块计算数据的最优分割。
calculate_bin_edges(a[, bins, range, weights])	计算直方图箱边，如下所示 numpy.histogram_bin_edges 。
freedman_bin_width(data[, return_bins])	使用Freedman-Diaconis规则返回最佳直方图箱宽。
histogram(a[, bins, range, weights])	增强的直方图功能，提供自适应绑定。
knuth_bin_width(data[, return_bins, quiet])	使用Knuth规则返回最佳直方图库宽度。
scott_bin_width(data[, return_bins])	使用斯科特规则返回最佳直方图箱宽。
akaike_info_criterion(log_likelihood, ...)	计算Akaike信息准则（AIC）。
akaike_info_criterion_lsq(ssr, n_params, ...)	假设观测值为高斯分布，计算Akaike信息准则。
bayesian_info_criterion(log_likelihood, ...)	计算贝叶斯信息准则（BIC），给出在估计（或分析推导）参数下评估的似然函数的对数、参数的数量和样本的数量。
bayesian_info_criterion_lsq(ssr, n_params, ...)	假设观测值来自高斯分布，计算贝叶斯信息准则（BIC）。

Classes

SigmaClip([sigma, sigma_lower, sigma_upper, ...])	类来执行sigma裁剪。
SigmaClippedStats(data, *[, mask, ...])	类计算所提供数据的西格玛修剪统计量。
Events([p0, gamma, ncp_prior])	贝叶斯阻止对入库或未入库事件的适应性。
FitnessFunc([p0, gamma, ncp_prior])	贝叶斯基类阻塞适应度函数。
PointMeasures([p0, gamma, ncp_prior])	贝叶斯阻碍了点数测量的适合性。
RegularEvents(dt[, p0, gamma, ncp_prior])	贝叶斯理论阻碍了常规赛事的健康。
RipleysKEstimator(area[, x_max, y_max, ...])	二维空间数据的Ripley K函数的估计量。

类继承图