跳至主要内容
Ctrl+K

SciPy

  • 安装
  • 用户指南
  • API 参考
  • 从源代码构建
  • 开发
  • 发布说明
  • GitHub
  • Twitter
  • 安装
  • 用户指南
  • API 参考
  • 从源代码构建
  • 开发
  • 发布说明
  • GitHub
  • Twitter

章节导航

用户指南

  • 特殊函数 (scipy.special)
  • 积分 (scipy.integrate)
  • 优化 (scipy.optimize)
  • 插值 (scipy.interpolate)
  • 傅里叶变换 (scipy.fft)
  • 信号处理 (scipy.signal)
  • 线性代数 (scipy.linalg)
  • 稀疏数组 (scipy.sparse)
  • 使用 ARPACK 的稀疏特征值问题
  • 压缩稀疏图例程 (scipy.sparse.csgraph)
  • 空间数据结构和算法 (scipy.spatial)
  • 统计学 (scipy.stats)
    • 概率分布
    • 样本统计和假设检验
    • SciPy 中的通用非均匀随机数采样
    • 核密度估计
    • 多尺度图相关性 (MGC)
    • 拟蒙特卡罗
  • 多维图像处理 (scipy.ndimage)
  • 文件 I/O (scipy.io)
  • SciPy 用户指南
  • 统计学...

统计学 (scipy.stats)#

在本教程中,我们讨论了 scipy.stats 的许多功能,但并非全部。此处的目的是向用户提供对该包的工作知识。有关更多详细信息,请参阅 参考手册。

注意:此文档正在进行中。

  • 概率分布
    • 连续统计分布
    • 离散统计分布
    • 获取帮助
    • 常用方法
    • 随机数生成
    • 平移和缩放
    • 形状参数
    • 冻结分布
    • 广播
    • 离散分布的具体点
    • 拟合分布
    • 性能问题和注意事项
    • 剩余问题
    • 构建特定分布
  • 样本统计和假设检验
    • 分析单个样本
    • 比较两个样本
    • 重采样和蒙特卡罗方法
  • SciPy 中的通用非均匀随机数采样
    • 简介
    • 接口的基本概念
    • scipy.stats.sampling 中的生成器
  • 核密度估计
    • 单变量估计
    • 多变量估计
  • 多尺度图相关性 (MGC)
  • 拟蒙特卡罗
    • 计算差异
    • 使用 QMC 引擎
    • 制作 QMC 引擎,即子类化 QMCEngine
    • 关于使用 QMC 的指南

previous

空间数据结构和算法 (scipy.spatial)

next

概率分布

© Copyright 2008-2024,SciPy 社区。

使用 Sphinx 7.3.7 创建。

使用 PyData Sphinx 主题 0.15.3 构建。