scipy.stats.

trim1#

scipy.stats.trim1(a, proportiontocut, tail='right', axis=0)[源代码]#

从传入的数组分布的**一端**切掉一定比例。

如果 proportiontocut = 0.1，则切掉 “最左边” 或 “最右边” 10% 的分数。最低或最高的值会被修剪（取决于尾部）。如果比例导致非整数的切片索引，则切掉较少的部分（即保守地切掉 proportiontocut ）。

参数:

aarray_like: 输入数组。
proportiontocutfloat: 从分布的“左”或“右”切掉的比例。
tail{‘left’, ‘right’}, 可选: 默认为 ‘right’。
axisint 或 None, 可选: 沿其修剪数据的轴。默认为 0。如果为 None，则计算整个数组 a。

返回:

trim1ndarray: 修剪后的数组 a 版本。修剪内容的顺序是未定义的。

示例

创建一个包含 10 个值的数组，并修剪其最低值的 20%

>>> import numpy as np
>>> from scipy import stats
>>> a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> stats.trim1(a, 0.2, 'left')
array([2, 4, 3, 5, 6, 7, 8, 9])

请注意，输入数组的元素是按值修剪的，但输出数组不一定排序。

要修剪的比例向下舍入到最接近的整数。例如，从 10 个值的数组中修剪 25% 的值将返回一个包含 8 个值的数组

>>> b = np.arange(10)
>>> stats.trim1(b, 1/4).shape
(8,)

多维数组可以沿任何轴或跨整个数组进行修剪

>>> c = [2, 4, 6, 8, 0, 1, 3, 5, 7, 9]
>>> d = np.array([a, b, c])
>>> stats.trim1(d, 0.8, axis=0).shape
(1, 10)
>>> stats.trim1(d, 0.8, axis=1).shape
(3, 2)
>>> stats.trim1(d, 0.8, axis=None).shape
(6,)