scipy.stats.

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 2D np.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
在此页上