Ctrl+K
scipy.stats.

moment#

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

计算样本关于均值的第 n 阶矩。

矩是衡量一组点形状的特定定量指标。它通常用于计算偏度和峰度的系数，因为它与它们密切相关。

参数:
aarray_like

输入数组。

orderint 或 int 的一维 array_like，可选

返回中心矩的阶数。默认值为 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）的统计量将出现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平。

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

定义如何处理输入 NaN。

  • propagate：如果计算统计量的轴切片（例如，行）中存在 NaN，则输出的相应条目将为 NaN。

  • omit：执行计算时将省略 NaN。如果计算统计量的轴切片中剩余的数据不足，则输出的相应条目将为 NaN。

  • raise：如果存在 NaN，则会引发 ValueError。

centerfloat 或 None，可选

计算矩的中心点。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，则缩减的轴将作为大小为 1 的维度保留在结果中。使用此选项，结果将与输入数组正确广播。

返回:
关于 `center` 的第 n 阶矩ndarray 或 float

如果 axis 为 None，则为给定轴或所有值上的适当矩。矩计算的分母是观测值的数量，不进行自由度校正。

另请参阅

kurtosis， skew， describe

注释

数据样本的 k 阶矩为

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

其中 n 是样本数，而 c 是计算矩的中心。此函数使用平方求幂 [1] 来提高效率。

请注意，如果 a 是一个空数组 (a.size == 0)，则具有一个元素的数组 moment (moment.size == 1) 的处理方式与标量 moment (np.isscalar(moment)) 相同。这可能会产生意外形状的数组。

从 SciPy 1.9 开始，在执行计算之前，np.matrix 输入（不建议用于新代码）将转换为 np.ndarray。在这种情况下，输出将是标量或适当形状的 np.ndarray，而不是二维 np.matrix。类似地，虽然会忽略掩码数组的掩码元素，但输出将是标量或 np.ndarray，而不是 mask=False 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
在本页