Python SciPy stats.moment用法及代码示例

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

用法:

scipy.stats.moment(a, moment=1, axis=0, nan_policy='propagate', *, center=None, keepdims=False)#

计算样本均值的第 n 个矩。

矩是一组点的形状的特定定量度量。由于与偏度和峰度的关系密切，它常用于计算偏度和峰度系数。

参数 ：：

a： array_like

输入数组。

moment： int 或 数组 整数，可选

返回的中心时刻的顺序。默认值为 1。

axis： int 或无，默认值：0

如果是 int，则计算统计量的输入轴。输入的每个axis-slice(例如行)的统计信息将出现在输出的相应元素中。如果 None ，输入将在计算统计数据之前被分解。

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

定义如何处理输入 NaN。

• propagate ：如果计算统计数据的轴切片(例如行)中存在NaN，则输出的相应条目将为 NaN。

• omit : 计算时将省略NaNs。如果计算统计数据的轴切片中剩余的数据不足，则输出的相应条目将为 NaN。

• raise ：如果存在 NaN，则会引发 ValueError。

center： 浮点数或无，可选

拍摄哪些时刻的点。这可以是样本均值、原点或任何其他点。如果无(默认)，则计算中心作为样本平均值。

keepdims： 布尔值，默认值：假

如果将其设置为 True，则缩小的轴将作为尺寸为 1 的尺寸留在结果中。使用此选项，结果将针对输入数组正确广播。

返回 ：：

n-th moment about the `center`： ndarray 或浮点数

如果轴为无，则沿给定轴或所有值的适当时刻。矩计算的分母是观察次数，不进行自由度校正。

注意：

数据样本的k-th时刻为：

\[m_k = \frac{1}{n} \sum_{i = 1}^n (x_i - c)^k\]

在哪里n是样本数，并且c是计算力矩的中心。该函数使用平方求幂[1]为了效率。

请注意，如果a是一个空数组(a.size == 0)， 大批moment与一个元素(moment.size==1) 与标量的处理方式相同moment(np.isscalar(moment))。这可能会产生意外形状的数组。

从 SciPy 1.9 开始，np.matrix 输入(不建议用于新代码)在执行计算之前转换为 np.ndarray。在这种情况下，输出将是标量或适当形状的 np.ndarray 而不是 2D np.matrix 。同样，虽然屏蔽数组的屏蔽元素被忽略，但输出将是标量或 np.ndarray 而不是带有 mask=False 的屏蔽数组。

参考：

[1]

https://eli.thegreenplace.net/2009/03/21/efficient-integer-exponentiation-algorithms

例子：

>>> from scipy.stats import moment
>>> moment([1, 2, 3, 4, 5], moment=1)
0.0
>>> moment([1, 2, 3, 4, 5], moment=2)
2.0