scipy.stats.

describe#

scipy.stats.describe(a, axis=0, ddof=1, bias=True, nan_policy='propagate')[source]#

计算传入数组的多个描述性统计信息。

参数:
aarray_like

输入数据。

axisint 或 None，可选

计算统计信息的轴。 默认为 0。如果为 None，则对整个数组 a 进行计算。

ddofint，可选

自由度的增量（仅适用于方差）。 默认为 1。

biasbool，可选

如果为 False，则偏度和峰度的计算将针对统计偏差进行校正。

nan_policy{‘propagate’, ‘raise’, ‘omit’}, 可选

定义当输入包含 nan 时如何处理。 以下选项可用（默认为“propagate”）

  • “propagate”：返回 nan

  • “raise”：抛出错误

  • “omit”：执行计算时忽略 nan 值

返回:
nobsint 或 int 的 ndarray

观测数量（沿 axis 的数据长度）。 当选择“omit”作为 nan_policy 时，将单独计算每个轴切片的长度。

minmax: ndarray 或 float 的元组

沿给定轴的 a 的最小值和最大值。

meanndarray 或 float

沿给定轴的 a 的算术平均值。

variancendarray 或 float

沿给定轴的 a 的无偏方差；分母是观测数量减一。

skewnessndarray 或 float

沿给定轴的 a 的偏度，基于力矩计算，其分母等于观测数量，即没有自由度校正。

kurtosisndarray 或 float

沿给定轴的 a 的峰度 (Fisher)。 峰度已标准化，因此对于正态分布，其值为零。 不使用自由度。

引发:
ValueError

如果 a 的大小为 0。

另请参阅

skew, kurtosis

注释

describe 除了 NumPy 之外，还实验性地支持 Python Array API Standard 兼容后端。 请考虑通过设置环境变量 SCIPY_ARRAY_API=1 并提供 CuPy、PyTorch、JAX 或 Dask 数组作为数组参数来测试这些功能。 支持以下后端和设备（或其他功能）的组合。

库

CPU

GPU

NumPy

✅

不适用

CuPy

不适用

✅

PyTorch

✅

✅

JAX

⚠️ 无 JIT

⚠️ 无 JIT

Dask

⚠️ 计算图

不适用

有关更多信息，请参阅对数组 API 标准的支持。

示例

>>> import numpy as np
>>> from scipy import stats
>>> a = np.arange(10)
>>> stats.describe(a)
DescribeResult(nobs=10, minmax=(0, 9), mean=4.5,
               variance=9.166666666666666, skewness=0.0,
               kurtosis=-1.2242424242424244)
>>> b = [[1, 2], [3, 4]]
>>> stats.describe(b)
DescribeResult(nobs=2, minmax=(array([1, 2]), array([3, 4])),
               mean=array([2., 3.]), variance=array([2., 2.]),
               skewness=array([0., 0.]), kurtosis=array([-2., -2.]))
在此页上