scipy.stats.

tmax#

scipy.stats.tmax(a, upperlimit=None, axis=0, inclusive=True, nan_policy='propagate', *, keepdims=False)[来源]#

计算修剪的最大值。

此函数计算沿着给定轴的数组的最大值，同时忽略大于指定上限的值。

参数:
aarray_like

值数组。

upperlimit无或浮点数，可选

输入数组中大于给定限制的值将被忽略。当 upperlimit 为无时，使用所有值。默认值为 None。

axis整数或无，默认值为 0

如果为整数，则输入轴是计算统计数据的。输入的每个轴切片（例如，行）的统计数据将显示在输出的对应元素中。如果为 None，则计算统计数据之前将对输入进行扁平化。

inclusive{True, False}，可选

此标志确定是否包含等于上限的值。默认值为 True。

nan_policy{'propagate', 'omit', 'raise'}

定义如何处理输入 NaN。

  • propagate：如果沿计算统计数据的轴段（例如，行）中存在 NaN，则输出的相应条目将为 NaN。

  • omit：在执行计算时，将忽略 NaN。如果沿计算统计数据的轴段中剩余的数据不足，则输出的相应条目将为 NaN。

  • raise：如果存在 NaN，则会引发 ValueError。

keepdims布尔值，默认值：False

如果将此项设置为 True，则缩减的轴会作为尺寸大小为一的维度保留在结果中。使用此选项，结果将针对输入数组进行正确的广播。

返回:
tmax浮点数、整数或 ndarray

修剪后的最大值。

备注

从 SciPy 1.9 开始，np.matrix 输入（不建议用于新代码）在执行计算之前会被转换为 np.ndarray。在这种情况下，输出将是标量或形状合适的 np.ndarray，而不是二维 np.matrix。类似地，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 mask=False 的掩码数组。

示例

>>> import numpy as np
>>> from scipy import stats
>>> x = np.arange(20)
>>> stats.tmax(x)
19

>>> stats.tmax(x, 13)
13

>>> stats.tmax(x, 13, inclusive=False)
12
在本页