sem#
- scipy.stats.sem(a, axis=0, ddof=1, nan_policy='propagate', *, keepdims=False)[源代码]#
计算均值的标准误差。
计算输入数组中值的均值的标准误差(或测量标准误差)。
- 参数:
- aarray_like
一个包含要返回其标准误差的值的数组。 必须包含至少两个观测值。
- axisint 或 None, 默认: 0
如果为 int,则为计算统计信息的输入沿的轴。 输入的每个轴切片(例如行)的统计信息将显示在输出的相应元素中。 如果为
None
,则将在计算统计信息之前将输入展平。- ddofint, 可选
Delta 自由度。相对于方差的总体估计值,有多少自由度可以调整有限样本中的偏差。默认为 1。
- nan_policy{‘propagate’, ‘omit’, ‘raise’}
定义如何处理输入 NaN。
propagate
: 如果在计算统计信息的轴切片(例如行)中存在 NaN,则输出的相应条目将为 NaN。omit
: 执行计算时将忽略 NaN。 如果在计算统计信息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,则将引发ValueError
。
- keepdimsbool, 默认: False
如果将其设置为 True,则将缩减的轴保留在结果中,作为大小为 1 的维度。 使用此选项,结果将针对输入数组正确广播。
- 返回值:
- sndarray 或 float
样本中沿输入轴的均值的标准误差。
注释
ddof 的默认值与其他包含 ddof 的例程(例如 np.std 和 np.nanstd)使用的默认值 (0) 不同。
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,输出将是标量或适当形状的np.ndarray
,而不是 2Dnp.matrix
。 同样,虽然屏蔽数组的屏蔽元素会被忽略,但输出将是标量或np.ndarray
,而不是具有mask=False
的屏蔽数组。sem
除了 NumPy 之外,还对 Python Array API Standard 兼容后端提供实验性支持。 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
✅
n/a
CuPy
n/a
✅
PyTorch
✅
✅
JAX
✅
✅
Dask
✅
n/a
有关更多信息,请参阅 对数组 API 标准的支持。
示例
查找沿第一个轴的标准误差
>>> import numpy as np >>> from scipy import stats >>> a = np.arange(20).reshape(5,4) >>> stats.sem(a) array([ 2.8284, 2.8284, 2.8284, 2.8284])
使用 n 个自由度查找整个数组的标准误差
>>> stats.sem(a, axis=None, ddof=0) 1.2893796958227628