scipy.stats.rankdata¶

scipy.stats.rankdata(a, method='average', *, axis=None)[源代码]¶

给数据分配等级，适当地处理关系。

默认情况下， (axis=None )，则首先平坦化数据数组，并返回平坦的秩数组。如果需要，请将秩数组单独重塑为数据数组的形状(请参见示例)。

排名从1开始。 method 参数控制如何将等级分配给相等的值。看见 [1] 以进一步讨论排名方法。

参数

aarray_like

要排序的值数组。

method{‘平均值’，‘最小值’，‘最大值’，‘密集’，‘序号’}，可选

用于将等级分配给平局元素的方法。有以下方法可用(默认值为“Average”)：

“平均值”：将分配给所有并列数值的平均排名分配给每个数值。

‘min’：将分配给所有并列数值的最低等级分配给每个数值。(这也称为“竞争”排名。)

‘max’：将分配给所有平局值的最大等级分配给每个值。

“密集”：类似于“min”，但下一个最高元素的排名紧跟在分配给绑定元素的排名之后。

‘序数’：所有值都被赋予不同的等级，与值出现的顺序相对应 a 。

axis{无，int}，可选

要沿其执行排名的轴。如果 None ，则首先展平数据阵列。

退货

ranksndarray: 大小等于 a ，包含等级分数。

参考文献

1: “排名”，https://en.wikipedia.org/wiki/Ranking

示例

>>> from scipy.stats import rankdata
>>> rankdata([0, 2, 3, 2])
array([ 1. ,  2.5,  4. ,  2.5])
>>> rankdata([0, 2, 3, 2], method='min')
array([ 1,  2,  4,  2])
>>> rankdata([0, 2, 3, 2], method='max')
array([ 1,  3,  4,  3])
>>> rankdata([0, 2, 3, 2], method='dense')
array([ 1,  2,  3,  2])
>>> rankdata([0, 2, 3, 2], method='ordinal')
array([ 1,  2,  4,  3])
>>> rankdata([[0, 2], [3, 2]]).reshape(2,2)
array([[1. , 2.5],
      [4. , 2.5]])
>>> rankdata([[0, 2, 2], [3, 2, 5]], axis=1)
array([[1. , 2.5, 2.5],
       [2. , 1. , 3. ]])

scipy.stats.tiecorrect

scipy.stats.ranksums