scipy.stats.

sigmaclip#

scipy.stats.sigmaclip(a, low=4.0, high=4.0)[源代码]#

对数组元素执行迭代 sigma 截取。

从完整样本开始，删除所有超出临界范围的元素，即，输入数组 c 中满足以下任一条件的所有元素

c < mean(c) - std(c)*low
c > mean(c) + std(c)*high

迭代将使用更新后的样本继续，直到没有元素超出（更新后的）范围。

参数:

aarray_like: 数据数组，如果并非 1 维，将被展开。
lowfloat，可选: sigma 截取的下界因子。默认值为 4。
highfloat，可选: sigma 截取的上界因子。默认值为 4。

返回:

clippedndarray: 已删除截取元素的输入数组。
lowerfloat: 用于截取的下阈值。
upperfloat: 用于截取的上阈值。

示例

>>> import numpy as np
>>> from scipy.stats import sigmaclip
>>> a = np.concatenate((np.linspace(9.5, 10.5, 31),
...                     np.linspace(0, 20, 5)))
>>> fact = 1.5
>>> c, low, upp = sigmaclip(a, fact, fact)
>>> c
array([  9.96666667,  10.        ,  10.03333333,  10.        ])
>>> c.var(), c.std()
(0.00055555555555555165, 0.023570226039551501)
>>> low, c.mean() - fact*c.std(), c.min()
(9.9646446609406727, 9.9646446609406727, 9.9666666666666668)
>>> upp, c.mean() + fact*c.std(), c.max()
(10.035355339059327, 10.035355339059327, 10.033333333333333)

>>> a = np.concatenate((np.linspace(9.5, 10.5, 11),
...                     np.linspace(-100, -50, 3)))
>>> c, low, upp = sigmaclip(a, 1.8, 1.8)
>>> (c == np.linspace(9.5, 10.5, 11)).all()
True