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])