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,默认值:0
如果为 int,则为沿其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。如果为
None
,则在计算统计量之前将输入展平。- ddofint,可选
自由度差值。与方差的总体估计相比,在有限样本中调整偏差的自由度数量。默认为 1。
- nan_policy{‘propagate’, ‘omit’, ‘raise’}
定义如何处理输入 NaN。
propagate
:如果沿其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
:执行计算时将忽略 NaN。如果沿其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,将引发ValueError
。
- keepdimsbool,默认值:False
如果设置为 True,则减小的轴将作为大小为 1 的维度留在结果中。使用此选项,结果将正确广播到输入数组。
- 返回:
- sndarray 或 float
沿输入轴的样本均值的标准误差。
注释
ddof 的默认值与 np.std 和 np.nanstd 等其他包含 ddof 的例程使用的默认值(0)不同。
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,输出将是标量或形状合适的np.ndarray
,而不是 2Dnp.matrix
。同样,虽然会忽略掩码数组的掩码元素,但输出将是标量或np.ndarray
,而不是带有mask=False
的掩码数组。示例
查找沿第一轴的标准误差
>>> 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