tstd#
- scipy.stats.tstd(a, limits=None, inclusive=(True, True), axis=0, ddof=1, *, nan_policy='propagate', keepdims=False)[source]#
计算截尾样本标准差。
此函数查找给定值的样本标准差,忽略给定limits之外的值。
- 参数:
- aarray_like
值的数组。
- limitsNone 或 (下限,上限),可选
输入数组中小于下限或大于上限的值将被忽略。当 limits 为 None 时,将使用所有值。元组中的任一限制值也可以为 None,表示半开区间。默认值为 None。
- inclusive(bool, bool),可选
由(下限标志,上限标志)组成的元组。这些标志确定是否包含完全等于下限或上限的值。默认值为 (True, True)。
- axisint 或 None,默认值:0
如果为 int,则为沿其计算统计信息的输入轴。输入的每个轴切片(例如行)的统计信息将出现在输出的相应元素中。如果为
None
,则在计算统计信息之前将展开输入。- ddofint,可选
Delta 自由度。默认为 1。
- nan_policy{‘propagate’, ‘omit’, ‘raise’}
定义如何处理输入 NaN。
propagate
:如果沿计算统计信息的轴切片(例如行)中存在 NaN,则输出的相应条目将为 NaN。omit
:执行计算时将省略 NaN。如果沿计算统计信息的轴切片中剩余的数据不足,则输出的相应条目将为 NaN。raise
:如果存在 NaN,将引发ValueError
。
- keepdimsbool,默认值:False
如果将其设置为 True,则缩减的轴将作为大小为 1 的维度保留在结果中。使用此选项,结果将正确地广播到输入数组。
- 返回值:
- tstdfloat
截尾样本标准差。
注释
tstd
计算无偏样本标准差,即它使用校正因子n / (n - 1)
。从 SciPy 1.9 开始,
np.matrix
输入(不建议用于新代码)在执行计算之前会转换为np.ndarray
。在这种情况下,输出将是标量或适当形状的np.ndarray
,而不是 2Dnp.matrix
。同样,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。tstd
除了 NumPy 之外,还对 Python Array API 标准兼容后端具有实验性支持。请考虑通过设置环境变量SCIPY_ARRAY_API=1
并提供 CuPy、PyTorch、JAX 或 Dask 数组作为数组参数来测试这些功能。支持以下后端和设备(或其他功能)的组合。库
CPU
GPU
NumPy
✅
n/a
CuPy
n/a
✅
PyTorch
✅
✅
JAX
✅
✅
Dask
✅
n/a
有关更多信息,请参见 支持数组 API 标准。
示例
>>> import numpy as np >>> from scipy import stats >>> x = np.arange(20) >>> stats.tstd(x) 5.9160797830996161 >>> stats.tstd(x, (3,17)) 4.4721359549995796