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，但许多变异系数的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。

该函数不获取数据均值的绝对值，因此如果均值为负，则返回值也为负。

参数:
aarray_like

输入数组。

axisint 或 None, 默认值: 0

如果为 int，则表示计算统计量的输入数组的轴。 输入的每个轴切片（例如，行）的统计量将显示在输出的相应元素中。 如果为 None，则在计算统计量之前，输入将被展平。

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

定义如何处理输入中的 NaN 值。

  • 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。

ddofint, 可选

给出计算标准差时使用的“Delta 自由度”。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，则结果将为 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 以确保将样本标准差计算为无偏样本方差的平方根。

keepdimsbool, 默认值: False

如果设置为 True，则缩减的轴将作为大小为 1 的维度留在结果中。 使用此选项，结果将针对输入数组正确广播。

返回值:
variationndarray

沿请求轴计算出的变异系数。

注释

存在一些边缘情况，这些情况在处理时不会生成警告

  • 如果均值和标准差均为零，则返回 nan。

  • 如果均值为零且标准差非零，则返回 inf。

  • 如果输入长度为零（要么是因为数组长度为零，要么是因为所有输入值都是 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，输出将是标量或具有适当形状的 np.ndarray，而不是 2D np.matrix。 同样，虽然会忽略 masked 数组的 masked 元素，但输出将是标量或 np.ndarray，而不是 mask=False 的 masked 数组。

参考文献

[1]

Zwillinger, D. and Kokoska, S. (2000). CRC Standard Probability and Statistics Tables and Formulae. Chapman & Hall: New York. 2000.

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 值的数组沿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  ])
在本页