掩蔽阵列的统计函数 (scipy.stats.mstats )

此模块包含大量可用于掩码数组的统计函数。

这些函数中的大多数与中的函数相似 scipy.stats 但是在API或使用的算法上可能有很小的差异。由于这是一个相对较新的包，因此仍有可能对API进行一些更改。

汇总统计信息

describe \(a[, axis, ddof, bias] )	计算传递的数组的多个描述性统计信息。
gmean \(a[, axis, dtype, weights] )	计算沿指定轴的几何平均值。
hmean \(a[, axis, dtype] )	计算沿指定轴的调和平均值。
kurtosis \(a[, axis, fisher, bias] )	计算数据集的峰度(Fisher或Pearson)。
mode \(a[, axis] )	返回传递的数组中的模态(最常见)值的数组。
mquantiles \(a[, prob, alphap, betap, axis, limit] )	计算数据数组的经验分位数。
hdmedian \(数据[, axis, var] )	返回沿给定轴的中位数的Harrell-Davis估计。
hdquantiles \(数据[, prob, axis, var] )	使用Harrell-Davis方法计算分位数估计。
hdquantiles_sd \(数据[, prob, axis] )	用折叠法估计哈雷尔-戴维斯分位数的标准误差。
idealfourths \(数据[, axis] )	返回低四分位数和高四分位数的估计值。
plotting_positions \(数据[, alpha, beta] )	返回数据的绘图位置(或经验百分位点)。
meppf \(数据[, alpha, beta] )	返回数据的绘图位置(或经验百分位点)。
moment \(a[, moment, axis] )	计算样本关于平均值的n阶矩。
skew \(a[, axis, bias] )	计算数据集的偏斜度。
tmean \(a[, limits, inclusive, axis] )	计算修剪后的平均值。
tvar \(a[, limits, inclusive, axis, ddof] )	计算修剪后的方差
tmin \(a[, lowerlimit, axis, inclusive] )	计算修剪后的最小值
tmax \(a[, upperlimit, axis, inclusive] )	计算修剪后的最大值
tsem \(a[, limits, inclusive, axis, ddof] )	计算平均值的修剪标准误差。
variation \(a[, axis, ddof] )	计算变异系数。
find_repeats \(arr)	在arr中查找重复项并返回一个元组(REPEATES，REPEAT_COUNT)。
sem \(a[, axis, ddof] )	计算输入数组平均值的标准误差。
trimmed_mean \(a[, limits, inclusive, ...] )	返回数据沿给定轴的修剪平均值。
trimmed_mean_ci \(数据[, limits, inclusive, ...] )	修剪后的平均值沿给定轴的选定置信区间。
trimmed_std \(a[, limits, inclusive, ...] )	返回数据沿给定轴的修剪标准偏差。
trimmed_var \(a[, limits, inclusive, ...] )	返回数据沿给定轴的修剪方差。

频率统计

scoreatpercentile \(数据，每个[, limit, ...] )

在序列a的给定的‘per’百分位数处计算分数。

相关函数

f_oneway \(*参数)	执行单向方差分析，返回给定任意组数的F值和概率。
pearsonr \(X，y)	皮尔逊相关系数和p值用于检验不相关性。
spearmanr \(X[, y, use_ties, axis, ...] )	计算Spearman秩相关系数和p值以测试非相关性。
pointbiserialr \(X，y)	计算点的双序相关系数及其p值。
kendalltau \(X，y[, use_ties, use_missing, ...] )	在两个变量上计算Kendall的秩相关τ x 和 y 。
kendalltau_seasonal \(X)	计算季节性数据的多变量Kendall秩相关τ。
linregress \(X[, y] )	线性回归计算
siegelslopes \(y[, x, method] )	计算一组点(x，y)的Siegel估计器。
theilslopes \(y[, x, alpha, method] )	计算一组点(x，y)的Theil-Sen估计量。
sen_seasonal_slopes \(X)

统计检验

ttest_1samp \(a，popmeans[, axis, alternative] )	计算一组分数的平均值的T检验。
ttest_onesamp \(a，popmeans[, axis, alternative] )	计算一组分数的平均值的T检验。
ttest_ind \(a，b[, axis, equal_var, alternative] )	计算两个独立分数样本的平均数的T检验。
ttest_rel \(a，b[, axis, alternative] )	对分数的两个相关样本a和b计算T检验。
chisquare \(F_OBS[, f_exp, ddof, axis] )	计算单向卡方检验。
kstest \(data1，data2[, args, alternative, mode] )	参数
ks_2samp \(data1，data2[, alternative, mode] )	对两个样本计算Kolmogorov-Smirnov检验。
ks_1samp \(X，CDF[, args, alternative, mode] )	对一个掩码值样本计算Kolmogorov-Smirnov测试。
ks_twosamp \(data1，data2[, alternative, mode] )	对两个样本计算Kolmogorov-Smirnov检验。
mannwhitneyu \(X，y[, use_continuity] )	计算Mann-Whitney统计量
rankdata \(数据[, axis, use_missing] )	返回沿给定轴的每个数据点的秩(也称为顺序统计信息)。
kruskal \(*参数)	计算独立样本的Kruskal-Wallis H检验
kruskalwallis \(*参数)	计算独立样本的Kruskal-Wallis H检验
friedmanchisquare \(*参数)	弗里德曼卡方检验是一种非参数、单因素方差分析方法。
brunnermunzel \(X，y[, alternative, distribution] )	计算样本x和y的Brunner-Munzel检验。
skewtest \(a[, axis, alternative] )	测试偏差是否不同于正态分布。
kurtosistest \(a[, axis, alternative] )	测试数据集是否具有正常峰度
normaltest \(a[, axis] )	检验样本是否不同于正态分布。

变换

obrientransform \(*参数)	对输入数据(任意数量的列)计算转换。
trim \(a[, limits, inclusive, relative, axis] )	通过屏蔽某些给定限制之外的数据来裁剪数组。
trima \(a[, limits, inclusive] )	通过屏蔽某些给定限制之外的数据来裁剪数组。
trimmed_stde \(a[, limits, inclusive, axis] )	返回修剪后的平均值沿给定轴的标准误差。
trimr \(a[, limits, inclusive, axis] )	通过屏蔽两端的一定比例的数据来修剪数组。
trimtail \(数据[, proportiontocut, tail, ...] )	通过掩码一个尾部的值来修剪数据。
trimboth \(数据[, proportiontocut, inclusive, ...] )	修剪最小和最大的数据值。
winsorize \(a[, limits, inclusive, inplace, ...] )	返回输入数组的Winsorized版本。
zmap \(分数，比较[, axis, ddof, nan_policy] )	计算相对z得分。
zscore \(a[, axis, ddof, nan_policy] )	计算z分数。

其他

argstoarray \(*参数)	从一组序列构造一个二维数组。
count_tied_groups \(X[, use_missing] )	计算绑定的值的数量。
msign \(X)	返回x的符号，如果x被屏蔽，则返回0。
compare_medians_ms \(组1、组2[, axis] )	比较沿给定轴的两个独立组的中点。
median_cihs \(数据[, alpha, axis] )	计算数据中值的Alpha级别置信区间。
mjci \(数据[, prob, axis] )	返回数据的选定实验分位数的标准误差的Maritz-Jarrett估计器。
mquantiles_cimj \(数据[, prob, alpha, axis] )	使用Maritz-Jarrett估计器计算所选数据分位数的α置信区间。
rsh \(数据[, points] )	评估每个数据点的Rosenblatt移位直方图估计器。

上一页

scipy.stats.qmc.scale

下一页

scipy.stats.mstats.describe