scipy.stats.

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 2D np.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。

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