scipy.stats.

zmap#

scipy.stats.zmap(scores, compare, axis=0, ddof=0, nan_policy='propagate')[source]#

计算相对 z 分数。

返回一个 z 分数数组，即标准化为零均值和单位方差的分数，其中均值和方差从比较数组计算得出。

参数:

scoresarray_like: 计算 z 分数的输入。
comparearray_like: 从中获取归一化均值和标准差的输入；假定与 scores 具有相同的维度。
axisint 或 None, 可选: 计算 compare 的均值和方差所沿的轴。默认为 0。如果为 None，则对整个数组 scores 进行计算。
ddofint, 可选: 标准差计算中的自由度校正。默认为 0。
nan_policy{‘propagate’, ‘raise’, ‘omit’}, 可选: 定义如何处理 compare 中出现的 nan。 “propagate” 返回 nan，“raise” 引发异常，“omit” 执行计算时忽略 nan 值。默认为“propagate”。请注意，当值为“omit”时，scores 中的 nan 也会传播到输出，但它们不会影响为非 nan 值计算的 z 分数。

返回:

zscorearray_like: Z 分数，与 scores 的形状相同。

注释

此函数保留 ndarray 子类，并且也适用于矩阵和掩码数组（它使用 asanyarray 而不是 asarray 作为参数）。

zmap 除了 NumPy 之外，还实验性地支持 Python Array API Standard 兼容的后端。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（或其他能力）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

>>> from scipy.stats import zmap
>>> a = [0.5, 2.0, 2.5, 3]
>>> b = [0, 1, 2, 3, 4]
>>> zmap(a, b)
array([-1.06066017,  0.        ,  0.35355339,  0.70710678])