moment#
- scipy.stats.moment(a, order=1, axis=0, nan_policy='propagate', *, center=None, keepdims=False)[源代码]#
计算样本均值的第 n 阶矩。
矩是点集形状的特定定量度量。它通常用于计算偏度和峰度系数,因为它与它们密切相关。
- 参数:
- aarray_like
输入数组。
- orderint 或 ints 的 1-D array_like,可选
返回的中心矩的阶数。默认为 1。
- axisint 或 None,默认值:0
如果为 int,则为计算统计量的输入轴。输入的每个轴切片(例如行)的统计量将显示在输出的相应元素中。 如果
None
,则在计算统计量之前将输入展开。- nan_policy{‘propagate’, ‘omit’, ‘raise’}
定义如何处理输入 NaN。
propagate
: 如果存在 NaN 在轴切片(例如行)中,沿该轴计算统计量,则输出的相应条目将为 NaN。omit
: 在执行计算时将省略 NaN。如果剩余的数据不足以沿其计算统计量的轴切片,则输出的相应条目将为 NaN。raise
: 如果存在 NaN,将引发ValueError
。
- centerfloat 或 None,可选
取矩的点。 这可以是样本均值、原点或任何其他点。 如果 None(默认),则将中心计算为样本均值。
- keepdimsbool,默认值:False
如果将其设置为 True,则缩减的轴将保留在结果中,作为大小为 1 的维度。 使用此选项,结果将正确地广播到输入数组。
- 返回:
- 关于 `center` 的第 n 阶矩ndarray 或 float
沿给定轴的适当矩,或者如果轴为 None,则在所有值上的适当矩。 矩计算的分母是观测数,不进行自由度校正。
注释
数据样本的第 k 阶矩是
\[m_k = \frac{1}{n} \sum_{i = 1}^n (x_i - c)^k\]其中 n 是样本数, c 是计算矩的中心。 此函数使用平方求幂 [1] 以提高效率。
请注意,如果 a 是一个空数组 (
a.size == 0
), 数组moment
带有一个元素 (moment.size == 1) 的被视为与标量moment
(np.isscalar(moment)
) 相同。 这可能会产生形状意想不到的数组。从 SciPy 1.9 开始,
np.matrix
输入(不建议用于新代码)在执行计算之前会转换为np.ndarray
。 在这种情况下,输出将是一个标量或形状适当的np.ndarray
,而不是 2Dnp.matrix
。 同样,虽然忽略了掩码数组的掩码元素,但输出将是一个标量或np.ndarray
,而不是具有mask=False
的掩码数组。moment
除了 NumPy 之外,还对 Python Array API Standard 兼容后端具有实验性支持。 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,请参见 对数组 API 标准的支持 。
参考文献
示例
>>> from scipy.stats import moment >>> moment([1, 2, 3, 4, 5], order=1) 0.0 >>> moment([1, 2, 3, 4, 5], order=2) 2.0