scipy.stats.

矩#

scipy.stats.矩(a, order=1, axis=0, nan_policy='propagate', *, center=None, keepdims=False)[source]#

计算样本关于均值的 n 阶矩。

矩是点集形状的特定量化度量。由于与偏度系数和峰度系数密切相关，因此通常用于计算它们。

参数:
a类似数组

输入数组。

orderint 或 int 的 1-D 类似数组，可选

返回的中心矩的阶数。默认值为 1。

axisint 或 None，默认值：0

如果为 int，则为沿其计算统计数据的输入的轴。输入的每个轴切片（例如，行）的统计数据将出现在输出的相应元素中。如果 None，则在计算统计数据之前，输入将被展平。

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

定义如何处理输入 NaN。

  • 传播：如果 NaN 出现在沿其计算统计数据的轴切片（例如行）中，则输出的相应条目将为 NaN。

  • 省略：执行计算时将忽略 NaN。如果沿其计算统计数据的轴切片中剩余数据不足，则输出的相应条目将为 NaN。

  • 引发：如果存在 NaN，则将引发 ValueError。

中心浮点数或 None，可选

取矩的点。这可以是样本平均值、原点或任何其他点。如果 None（默认值），则将中心计算为样本平均值。

保持维度布尔值，默认为 False

如果将其设置为 True，则减少的轴将保留在结果中，维度大小为一。使用此选项后，结果将针对输入数组正确广播。

返回:
关于 `center` 的第 n 矩ndarray 或浮点数

给定轴上的适当矩或所有值上的矩（如果轴为 None）。矩计算的分母为观察次数，不进行自由度修正。

另请参阅

峰态，偏度，描述

注释

数据样本的第 k 矩为

\[m_k = \frac{1}{n} \sum_{i = 1}^n (x_i - c)^k\]

其中 n 是样本数，c 是计算矩的中心。此函数针对效率使用平方指数 [1]。

请注意，如果 a 是一个空数组（a.size == 0），则包含一个元素的数组 矩 (moment.size == 1) 将像标量一样对待 矩（np.isscalar(moment)）。这可能会产生形状意外的数组。

从 SciPy 1.9 开始，np.matrix 输入（不建议在现有的代码中使用）将在执行计算前转换为 np.ndarray。在这种情况下，输出将为一个标量或适用于形状的 np.ndarray，而不是一个二维 np.matrix。同样，虽然掩码数组中被掩码的元素会被忽略，输出将为一个标量或 np.ndarray，而不是一个掩码赋 mask=False 值的掩码数组。

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
本页内容