统计函数 (scipy.stats)#

此模块包含大量的概率分布、汇总和频率统计、相关函数和统计检验、掩码统计、核密度估计、准蒙特卡洛功能等。

统计学是一个非常广阔的领域,有些主题超出了 SciPy 的范围,并由其他软件包涵盖。其中一些最重要的包括:

  • statsmodels: 回归、线性模型、时间序列分析,以及对 scipy.stats 所涵盖主题的扩展。

  • Pandas: 表格数据、时间序列功能、与其他统计语言的接口。

  • PyMC: 贝叶斯统计建模、概率机器学习。

  • scikit-learn: 分类、回归、模型选择。

  • Seaborn: 统计数据可视化。

  • rpy2: Python 到 R 的桥梁。

概率分布#

每个单变量分布都是 rv_continuous 子类的一个实例(离散分布对应 rv_discrete)。

rv_continuous([momtype, a, b, xtol, ...])

一个用于子类化的通用连续随机变量类。

rv_discrete([a, b, name, badvalue, ...])

一个用于子类化的通用离散随机变量类。

rv_histogram(histogram, *args[, density])

根据直方图生成分布。

连续分布#

alpha

alpha 连续随机变量。

anglit

anglit 连续随机变量。

arcsine

arcsine 连续随机变量。

argus

Argus 分布

beta

beta 连续随机变量。

betaprime

betaprime 连续随机变量。

bradford

Bradford 连续随机变量。

burr

Burr (第三类) 连续随机变量。

burr12

Burr (第十二类) 连续随机变量。

cauchy

Cauchy 连续随机变量。

chi

chi 连续随机变量。

chi2

卡方连续随机变量。

cosine

余弦连续随机变量。

crystalball

Crystalball 分布

dgamma

双伽马连续随机变量。

dpareto_lognorm

双帕累托对数正态连续随机变量。

dweibull

双威布尔连续随机变量。

erlang

Erlang 连续随机变量。

expon

指数连续随机变量。

exponnorm

指数修正正态连续随机变量。

exponweib

指数化威布尔连续随机变量。

exponpow

指数幂连续随机变量。

f

F 连续随机变量。

fatiguelife

疲劳寿命 (Birnbaum-Saunders) 连续随机变量。

fisk

Fisk 连续随机变量。

foldcauchy

折叠柯西连续随机变量。

foldnorm

折叠正态连续随机变量。

genlogistic

广义逻辑连续随机变量。

gennorm

广义正态连续随机变量。

genpareto

广义帕累托连续随机变量。

genexpon

广义指数连续随机变量。

genextreme

广义极值连续随机变量。

gausshyper

高斯超几何连续随机变量。

gamma

伽马连续随机变量。

gengamma

广义伽马连续随机变量。

genhalflogistic

广义半逻辑连续随机变量。

genhyperbolic

广义双曲连续随机变量。

geninvgauss

广义逆高斯连续随机变量。

gibrat

Gibrat 连续随机变量。

gompertz

Gompertz(或截断 Gumbel)连续随机变量。

gumbel_r

右偏 Gumbel 连续随机变量。

gumbel_l

左偏 Gumbel 连续随机变量。

halfcauchy

半柯西连续随机变量。

halflogistic

半逻辑连续随机变量。

halfnorm

半正态连续随机变量。

halfgennorm

广义正态连续随机变量的上半部分。

hypsecant

双曲正割连续随机变量。

invgamma

倒伽马连续随机变量。

invgauss

逆高斯连续随机变量。

invweibull

倒威布尔连续随机变量。

irwinhall

Irwin-Hall (均匀和) 连续随机变量。

jf_skew_t

Jones 和 Faddy 偏 t 分布。

johnsonsb

Johnson SB 连续随机变量。

johnsonsu

Johnson SU 连续随机变量。

kappa4

Kappa 4 参数分布。

kappa3

Kappa 3 参数分布。

ksone

Kolmogorov-Smirnov 单边检验统计量分布。

kstwo

Kolmogorov-Smirnov 双边检验统计量分布。

kstwobign

缩放 Kolmogorov-Smirnov 双边检验统计量的极限分布。

landau

Landau 连续随机变量。

laplace

Laplace 连续随机变量。

laplace_asymmetric

非对称 Laplace 连续随机变量。

levy

Levy 连续随机变量。

levy_l

左偏 Levy 连续随机变量。

levy_stable

Levy-稳定连续随机变量。

logistic

逻辑(或 Sech-squared)连续随机变量。

loggamma

对数伽马连续随机变量。

loglaplace

对数 Laplace 连续随机变量。

lognorm

对数正态连续随机变量。

loguniform

对数均匀或倒数连续随机变量。

lomax

Lomax(第二类帕累托)连续随机变量。

maxwell

Maxwell 连续随机变量。

mielke

Mielke Beta-Kappa / Dagum 连续随机变量。

moyal

Moyal 连续随机变量。

nakagami

Nakagami 连续随机变量。

ncx2

非中心卡方连续随机变量。

ncf

非中心 F 分布连续随机变量。

nct

非中心学生 t 连续随机变量。

norm

正态连续随机变量。

norminvgauss

正态逆高斯连续随机变量。

pareto

帕累托连续随机变量。

pearson3

Pearson III 型连续随机变量。

powerlaw

幂函数连续随机变量。

powerlognorm

幂对数正态连续随机变量。

powernorm

幂正态连续随机变量。

rdist

R 分布(对称 beta)连续随机变量。

rayleigh

Rayleigh 连续随机变量。

rel_breitwigner

相对论 Breit-Wigner 随机变量。

rice

Rice 连续随机变量。

recipinvgauss

倒数逆高斯连续随机变量。

semicircular

半圆连续随机变量。

skewcauchy

偏态 Cauchy 随机变量。

skewnorm

偏正态随机变量。

studentized_range

学生化极差连续随机变量。

t

学生 t 连续随机变量。

trapezoid

梯形连续随机变量。

triang

三角连续随机变量。

truncexpon

截断指数连续随机变量。

truncnorm

截断正态连续随机变量。

truncpareto

上截断帕累托连续随机变量。

truncweibull_min

双截断最小威布尔连续随机变量。

tukeylambda

Tukey-Lamdba 连续随机变量。

uniform

均匀连续随机变量。

vonmises

Von Mises 连续随机变量。

vonmises_line

Von Mises 连续随机变量。

wald

Wald 连续随机变量。

weibull_min

最小威布尔连续随机变量。

weibull_max

最大威布尔连续随机变量。

wrapcauchy

缠绕 Cauchy 连续随机变量。

单变量连续分布的 fit 方法使用最大似然估计将分布拟合到数据集。 fit 方法可以接受常规数据或 删失数据。删失数据由 CensoredData 类的实例表示。

CensoredData([uncensored, left, right, interval])

此类的实例表示删失数据。

多元分布#

multivariate_normal

多元正态随机变量。

matrix_normal

矩阵正态随机变量。

dirichlet

Dirichlet 随机变量。

dirichlet_multinomial

Dirichlet 多项式随机变量。

wishart

Wishart 随机变量。

invwishart

逆 Wishart 随机变量。

multinomial

多项式随机变量。

special_ortho_group

特殊正交矩阵 (SO(N)) 随机变量。

ortho_group

正交矩阵 (O(N)) 随机变量。

unitary_group

矩阵值 U(N) 随机变量。

random_correlation

随机相关矩阵。

multivariate_t

多元 t 分布随机变量。

multivariate_hypergeom

多元超几何随机变量。

normal_inverse_gamma

正态逆伽马分布。

random_table

具有固定边际和的独立样本的列联表。

uniform_direction

向量值均匀方向。

scipy.stats.multivariate_normal 方法接受以下类的实例来表示协方差。

一个von Mises-Fisher变量。

scipy.stats.multivariate_normal 方法接受以下类的实例来表示协方差。

协方差()

协方差矩阵的表示

离散分布#

bernoulli

Bernoulli 离散随机变量。

betabinom

beta-二项式离散随机变量。

betanbinom

beta-负二项式离散随机变量。

binom

二项式离散随机变量。

boltzmann

Boltzmann(截断离散指数)随机变量。

dlaplace

Laplace 离散随机变量。

geom

几何离散随机变量。

hypergeom

超几何离散随机变量。

logser

对数(对数系列,系列)离散随机变量。

nbinom

负二项式离散随机变量。

nchypergeom_fisher

Fisher 非中心超几何离散随机变量。

nchypergeom_wallenius

Wallenius 非中心超几何离散随机变量。

nhypergeom

负超几何离散随机变量。

planck

Planck 离散指数随机变量。

poisson

Poisson 离散随机变量。

poisson_binom

泊松二项式离散随机变量。

randint

均匀离散随机变量。

skellam

Skellam 离散随机变量。

yulesimon

Yule-Simon 离散随机变量。

zipf

Zipf(Zeta)离散随机变量。

zipfian

Zipfian 离散随机变量。

统计函数概述如下。其中许多函数在 scipy.stats.mstats 中有类似的版本,适用于掩码数组。

汇总统计#

describe(a[, axis, ddof, bias, nan_policy])

计算传入数组的多个描述性统计量。

gmean(a[, axis, dtype, weights, nan_policy, ...])

沿指定轴计算加权几何平均值。

hmean(a[, axis, dtype, weights, nan_policy, ...])

沿指定轴计算加权调和平均值。

pmean(a, p, *[, axis, dtype, weights, ...])

沿指定轴计算加权幂平均值。

kurtosis(a[, axis, fisher, bias, ...])

计算数据集的峰度(Fisher 或 Pearson)。

mode(a[, axis, nan_policy, keepdims])

返回传入数组中众数(最常见)值的数组。

moment(a[, order, axis, nan_policy, center, ...])

计算样本关于均值的第 n 阶矩。

lmoment(sample[, order, axis, sorted, ...])

计算连续分布样本的 L 矩。

expectile(a[, alpha, weights])

在指定水平处计算期望分位数。

skew(a[, axis, bias, nan_policy, keepdims])

计算数据集的样本偏度。

kstat(data[, n, axis, nan_policy, keepdims])

返回第 n 个 k-统计量(目前 1<=n<=4)。

kstatvar(data[, n, axis, nan_policy, keepdims])

返回 k-统计量方差的无偏估计量。

tmean(a[, limits, inclusive, axis, ...])

计算截尾均值。

tvar(a[, limits, inclusive, axis, ddof, ...])

计算截尾方差。

tmin(a[, lowerlimit, axis, inclusive, ...])

计算截尾最小值。

tmax(a[, upperlimit, axis, inclusive, ...])

计算截尾最大值。

tstd(a[, limits, inclusive, axis, ddof, ...])

计算截尾样本标准差。

tsem(a[, limits, inclusive, axis, ddof, ...])

计算截尾均值标准误。

variation(a[, axis, nan_policy, ddof, keepdims])

计算变异系数。

find_repeats(arr)

查找重复项和重复计数。

rankdata(a[, method, axis, nan_policy])

为数据分配排名,并适当处理平局。

tiecorrect(rankvals)

Mann-Whitney U 和 Kruskal-Wallis H 检验的平局校正因子。

trim_mean(a, proportiontocut[, axis])

截去指定比例的极端值后返回数组的平均值。

gstd(a[, axis, ddof, keepdims, nan_policy])

计算数组的几何标准差。

iqr(x[, axis, rng, scale, nan_policy, ...])

沿指定轴计算数据的四分位距。

sem(a[, axis, ddof, nan_policy, keepdims])

计算均值标准误。

bayes_mvs(data[, alpha])

均值、方差和标准差的贝叶斯置信区间。

mvsdist(data)

数据的均值、方差和标准差的“冻结”分布。

entropy(pk[, qk, base, axis, nan_policy, ...])

计算给定分布的 Shannon 熵/相对熵。

differential_entropy(values, *[, ...])

给定分布样本,估计其微分熵。

median_abs_deviation(x[, axis, center, ...])

沿给定轴计算数据的中位数绝对离差。

频率统计#

cumfreq(a[, numbins, defaultreallimits, weights])

使用直方图函数返回累积频率直方图。

quantile(x, p, *[, method, axis, ...])

沿指定轴计算数据的 p 分位数。

percentileofscore(a, score[, kind, nan_policy])

计算分数相对于分数列表的百分位数排名。

scoreatpercentile(a, per[, limit, ...])

计算输入序列给定百分位数处的分数。

relfreq(a[, numbins, defaultreallimits, weights])

使用直方图函数返回相对频率直方图。

binned_statistic(x, values[, statistic, ...])

计算一个或多个数据集的 bin 统计量。

binned_statistic_2d(x, y, values[, ...])

计算一个或多个数据集的二维 bin 统计量。

binned_statistic_dd(sample, values[, ...])

计算数据集的多维 bin 统计量。

随机变量#

make_distribution(dist)

从兼容对象生成 UnivariateDistribution 类。

Normal([mu, sigma])

具有规定均值和标准差的正态分布。

Uniform(*[, a, b])

均匀分布。

Binomial(*, n, p, **kwargs)

具有规定成功概率和试验次数的二项分布。

Mixture(components, *[, weights])

混合分布的表示。

order_statistic(X, /, *, r, n)

顺序统计量的概率分布。

truncate(X[, lb, ub])

截断随机变量的支持范围。

abs(X, /)

随机变量的绝对值。

exp(X, /)

随机变量的自然指数。

log(X, /)

非负随机变量的自然对数。

准蒙特卡洛#

列联表#

掩码统计函数#

其他统计功能#

变换#

boxcox(x[, lmbda, alpha, optimizer])

返回经过 Box-Cox 幂变换的数据集。

boxcox_normmax(x[, brack, method, ...])

计算输入数据的最佳 Box-Cox 变换参数。

boxcox_llf(lmb, data, *[, axis, keepdims, ...])

boxcox 对数似然函数。

yeojohnson(x[, lmbda])

返回经过 Yeo-Johnson 幂变换的数据集。

yeojohnson_normmax(x[, brack])

计算最佳 Yeo-Johnson 变换参数。

yeojohnson_llf(lmb, data)

yeojohnson 对数似然函数。

obrientransform(*samples)

对输入数据(任意数量的数组)计算 O'Brien 变换。

sigmaclip(a[, low, high])

对数组元素执行迭代 sigma 裁剪。

trimboth(a, proportiontocut[, axis])

从数组两端切掉一部分元素。

trim1(a, proportiontocut[, tail, axis])

从传入数组分布的一端切掉一部分。

zmap(scores, compare[, axis, ddof, nan_policy])

计算相对 z 分数。

zscore(a[, axis, ddof, nan_policy])

计算 z 分数。

gzscore(a, *[, axis, ddof, nan_policy])

计算几何标准分数。

统计距离#

wasserstein_distance(u_values, v_values[, ...])

计算两个一维离散分布之间的 Wasserstein-1 距离。

wasserstein_distance_nd(u_values, v_values)

计算两个 N 维离散分布之间的 Wasserstein-1 距离。

energy_distance(u_values, v_values[, ...])

计算两个一维分布之间的能量距离。

采样#

拟合 / 生存分析#

fit(dist, data[, bounds, guess, method, ...])

将离散或连续分布拟合到数据。

ecdf(sample)

样本的经验累积分布函数。

logrank(x, y[, alternative])

通过对数秩检验比较两个样本的生存分布。

方向统计函数#

directional_stats(samples, *[, axis, normalize])

计算方向数据的样本统计量。

circmean(samples[, high, low, axis, ...])

计算角度观测样本的循环均值。

circvar(samples[, high, low, axis, ...])

计算角度观测样本的循环方差。

circstd(samples[, high, low, axis, ...])

计算角度观测样本的循环标准差。

敏感性分析#

sobol_indices(*, func, n[, dists, method, rng])

Sobol' 全局敏感性指数。

绘图检验#

ppcc_max(x[, brack, dist])

计算使 PPCC 最大的形状参数。

ppcc_plot(x, a, b[, dist, plot, N])

计算并可选地绘制概率图相关系数。

probplot(x[, sparams, dist, fit, plot, rvalue])

计算概率图的分位数,并可选地显示该图。

boxcox_normplot(x, la, lb[, plot, N])

计算 Box-Cox 正态性图的参数,并可选地显示该图。

yeojohnson_normplot(x, la, lb[, plot, N])

计算 Yeo-Johnson 正态性图的参数,并可选地显示该图。

单变量和多变量核密度估计#

gaussian_kde(dataset[, bw_method, weights])

使用高斯核的核密度估计表示。

scipy.stats 中使用的警告/错误#

DegenerateDataWarning([msg])

当数据退化且结果可能不可靠时发出警告。

ConstantInputWarning([msg])

当数据中所有值都完全相等时发出警告。

NearConstantInputWarning([msg])

当数据中所有值都接近相等时发出警告。

FitError([msg])

表示将分布拟合到数据时的错误情况。

scipy.stats 中使用的结果类#

警告

这些类是私有的,但此处包含它们是因为其他统计函数会返回它们的实例。不支持用户导入和实例化。