scipy.stats.

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 2D np.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。

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