scipy.stats.

sem#

scipy.stats.sem(a, axis=0, ddof=1, nan_policy='propagate', *, keepdims=False)[源代码]#

计算均值的标准差。

计算输入数组中值的均值标准差（或测量标准差）。

参数:
a类数组

包含要返回标准差的值的数组。必须包含至少两个观察值。

axisint 或 None，默认为 0

如果是 int，则为计算该统计量的输入的轴。输入的每个轴分片（例如行）的统计量将显示在输出的对应元素中。如果为 None，则在计算统计量之前将对输入进行拉平。

ddofint，可选

Delta 自由度。相对于方差总体预估，在有限样本中调整偏倚的自由度。默认值为 1。

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

定义如何处理输入 NaN。

  • propagate：如果在计算统计值的轴切片（例如，行）中存在 NaN，输出的相应条目将为 NaN。

  • omit：执行计算时将忽略 NaN。如果计算统计值的轴切片中没有足够的数据，输出的相应条目将为 NaN。

  • raise：如果存在 NaN，将引发 ValueError。

keepdimsboolean，默认：False

如果将此值设为 True，减少的轴将作为维度以大小 1 的形式保留在结果中。使用此选项时，结果将针对输入数组正确地广播。

返回:
sndarray 或浮点数

样本中均值的标准误（沿输入轴）。

说明

ddof 的默认值不同于其他包含 ddof 例程（例如，np.std 和 np.nanstd）所使用的默认值 (0)。

从 SciPy 1.9 开始，在执行计算前将 np.matrix 输入（不建议用于新代码）转换为 np.ndarray。在这种情况下，输出将是标量或形状合适的 np.ndarray，而不是 2D np.matrix。同样，虽然掩蔽数组的掩蔽元素将被忽略，但输出将是标量或 np.ndarray，而不是一个 mask=False 的掩蔽数组。

示例

沿第一轴查找标准误

>>> 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 自由度在整个数组中查找标准误

>>> stats.sem(a, axis=None, ddof=0)
1.2893796958227628
本页内容