scipy.stats.

trim1#

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

从传递的数组分布的**一端**切掉一个比例。

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

参数:

aarray_like: 输入数组。
proportiontocutfloat: 从分布的“左侧”或“右侧”切断的比例。
tail{‘left’, ‘right’}, optional: 默认为“right”。
axisint or None, optional: 要沿其修剪数据的轴。默认为 0。如果为 None，则在整个数组 a 上计算。

返回:

trim1ndarray: 数组 a 的修剪版本。修剪内容的顺序未定义。

例子

创建一个包含 10 个值的数组，并修剪掉其最低值的 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，输入数组的元素按值修剪，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，从包含 10 个值的数组中修剪掉 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,)

可以沿任何轴或跨整个数组修剪多维数组

>>> 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,)