Ctrl+K
scipy.stats.

variation#

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

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。

该函数不取数据平均值的绝对值，因此如果平均值为负，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）的统计信息将显示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平输入。

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

定义如何处理输入 NaN。

  • propagate: 如果沿其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。 如果沿其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，则会引发 ValueError。

ddofint，可选

给出计算标准差时使用的“自由度的增量”。标准差计算中使用的除数为 N - ddof，其中 N 是元素数。 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:
variationndarray

沿请求轴计算的变异系数。

注释

有几个边缘情况在处理时不会生成警告

  • 如果平均值和标准差都为零，则返回 nan。

  • 如果平均值为零且标准差不为零，则返回 inf。

  • 如果输入的长度为零（因为数组的长度为零，或者所有输入值都为 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（不建议用于新代码）会在执行计算之前转换为 np.ndarray。 在这种情况下，输出将是标量或适当形状的 np.ndarray，而不是二维 np.matrix。 类似地，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。

参考

[1]

Zwillinger, D. 和 Kokoska, S. (2000)。CRC 标准概率和统计表与公式。Chapman & Hall：纽约。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 值的数组的给定维度上的变异系数

>>> 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  ])
在此页上