Python SciPy stats.circvar用法及代码示例

本文简要介绍 python 语言中 scipy.stats.circvar 的用法。

用法:

scipy.stats.circvar(samples, high=6.283185307179586, low=0, axis=None, nan_policy='propagate')#

计算假设在一个范围内的样本的循环方差。

参数 ：：

samples： array_like

输入数组。

high： float 或 int，可选

样本范围的上限。默认为 2*pi 。

low： float 或 int，可选

样本范围的下限。默认值为 0。

axis： 整数，可选

计算方差的轴。默认值是计算展平数组的方差。

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

定义当输入包含 nan 时如何处理。 ‘propagate’ 返回 nan，‘raise’ 引发错误，‘omit’ 执行忽略 nan 值的计算。默认为‘propagate’。

返回 ：：

circvar： 浮点数

循环方差。

注意：

这使用以下循环方差的定义： 1-R ，其中 R 是平均合成向量。返回值的范围为[0, 1]，0表示无方差，1表示方差较大。在小角度的限制下，该值类似于‘linear’方差的一半。

参考：

[1]

费希尔，NI循环数据的统计分析。剑桥大学出版社，1993。

例子：

>>> import numpy as np
>>> from scipy.stats import circvar
>>> import matplotlib.pyplot as plt
>>> samples_1 = np.array([0.072, -0.158, 0.077, 0.108, 0.286,
...                       0.133, -0.473, -0.001, -0.348, 0.131])
>>> samples_2 = np.array([0.111, -0.879, 0.078, 0.733, 0.421,
...                       0.104, -0.136, -0.867,  0.012,  0.105])
>>> circvar_1 = circvar(samples_1)
>>> circvar_2 = circvar(samples_2)

绘制样本。

>>> fig, (left, right) = plt.subplots(ncols=2)
>>> for image in (left, right):
...     image.plot(np.cos(np.linspace(0, 2*np.pi, 500)),
...                np.sin(np.linspace(0, 2*np.pi, 500)),
...                c='k')
...     image.axis('equal')
...     image.axis('off')
>>> left.scatter(np.cos(samples_1), np.sin(samples_1), c='k', s=15)
>>> left.set_title(f"circular variance: {np.round(circvar_1, 2)!r}")
>>> right.scatter(np.cos(samples_2), np.sin(samples_2), c='k', s=15)
>>> right.set_title(f"circular variance: {np.round(circvar_2, 2)!r}")
>>> plt.show()