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。

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])