scipy.stats.

trim1#

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

切掉传递的数组分布一侧的一个比例。

如果 proportiontocut = 0.1，则切掉分布的“最左”或“最右” 10% 的分数。根据尾端，修剪最小值或最大值。如果比例导致非整数切片索引（即保守地切掉 proportiontocut ），则切掉更少。

参数:

aarray_like: 输入数组。
proportiontocutfloat: 要从分布“左侧”或“右侧”切掉的部分。
tail{‘left’, ‘right’}, 可选: 默认为“right”。
axisint 或 None, 可选: 修剪数据所在轴。默认值为 0。如果为 None，则在整个数组 a 上计算。

返回:

trim1ndarray: 修剪后的数组 a。已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，然后修剪掉其最小值的 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])

注意输入数组的元素按值修剪，但输出数组不一定已排序。

修剪比例向下舍入到最接近的整数。例如，从一个含有 10 个值的数组中修剪 25% 的值将返回一个含有 8 个值的数组

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

多维数组可以沿任意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,)