scipy.stats.

variation#

scipy.stats.variation(a, axis=0, nan_policy='propagate', ddof=0, *, keepdims=False)[source]#

计算变异系数。

变异系数是标准差除以平均值。此函数等效于

np.std(x, axis=axis, ddof=ddof) / np.mean(x)

ddof 的默认值为 0，但变异系数的许多定义使用无偏样本方差的平方根作为样本标准差，这对应于 ddof=1。

该函数不取数据平均值的绝对值，因此如果平均值为负数，则返回值为负数。

参数：:
aarray_like

输入数组。

axisint 或 None，默认值：0

如果为整数，则为计算统计量的输入的轴。输入的每个轴切片（例如，行）的统计量将出现在输出的相应元素中。如果为 None，则在计算统计量之前将展平输入。

nan_policy{‘propagate’, ‘omit’, ‘raise’}

定义如何处理输入 NaN。

  • propagate：如果在计算统计量的轴切片（例如，行）中存在 NaN，则输出的相应条目将为 NaN。

  • omit：执行计算时将忽略 NaN。如果在计算统计量的轴切片中剩余数据不足，则输出的相应条目将为 NaN。

  • raise：如果存在 NaN，则将引发 ValueError。

ddofint，可选

给出计算标准差时使用的“自由度增量”。在标准差计算中使用的除数是 N - ddof，其中 N 是元素的数量。 ddof 必须小于 N；如果不是，则结果将是 nan 或 inf，具体取决于 N 和数组中的值。默认情况下，为了向后兼容，ddof 为零，但建议使用 ddof=1 来确保样本标准差计算为无偏样本方差的平方根。

keepdimsbool，默认值：False

如果将其设置为 True，则将被缩减的轴保留在结果中，作为大小为一的维度。使用此选项，结果将针对输入数组正确广播。

返回值：:
variationndarray

沿请求轴计算的变异系数。

注释

有一些边缘情况在不生成警告的情况下进行处理

  • 如果平均值和标准差均为零，则返回 nan。

  • 如果平均值为零且标准差非零，则返回 inf。

  • 如果输入的长度为零（可能是因为数组的长度为零，或者所有输入值均为 nan 且 nan_policy 为 'omit'），则返回 nan。

  • 如果输入包含 inf，则返回 nan。

从 SciPy 1.9 开始，np.matrix 输入（不建议在新代码中使用）将在执行计算之前转换为 np.ndarray。在这种情况下，输出将是标量或形状适当的 np.ndarray，而不是 2D np.matrix。类似地，虽然掩盖了掩盖数组的元素，但输出将是标量或 np.ndarray，而不是掩盖数组，其中 mask=False。

参考资料

[1]

Zwillinger，D. 和 Kokoska，S. (2000)。CRC 标准概率和统计表和公式。Chapman & Hall：纽约。2000 年。

示例

>>> import numpy as np
>>> from scipy.stats import variation
>>> variation([1, 2, 3, 4, 5], ddof=1)
0.5270462766947299

计算包含一些 nan 值的数组的给定维度的变异系数

>>> x = np.array([[  10.0, np.nan, 11.0, 19.0, 23.0, 29.0, 98.0],
...               [  29.0,   30.0, 32.0, 33.0, 35.0, 56.0, 57.0],
...               [np.nan, np.nan, 12.0, 13.0, 16.0, 16.0, 17.0]])
>>> variation(x, axis=1, ddof=1, nan_policy='omit')
array([1.05109361, 0.31428986, 0.146483  ])
本页内容