Python SciPy stats.sem用法及代码示例

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

用法:

scipy.stats.sem(a, axis=0, ddof=1, nan_policy='propagate', *, keepdims=False)#

计算平均值的标准误。

计算输入数组中值的平均值(或测量标准误差)的标准误差。

参数 ：：

a： array_like

包含返回标准错误的值的数组。

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。

ddof： 整数，可选

三角洲degrees-of-freedom。相对于总体方差估计，在有限样本中调整偏差的自由度。默认为 1。

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。

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 ：：

s： ndarray 或浮点数

样本中平均值的标准误差，沿输入轴。

注意：

ddof 的默认值与其他包含 ddof 的例程(例如 np.std 和 np.nanstd)使用的默认值 (0) 不同。

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。

例子：

沿第一个轴查找标准误差：

>>> import numpy as np
>>> from scipy import stats
>>> a = np.arange(20).reshape(5,4)
>>> stats.sem(a)
array([ 2.8284,  2.8284,  2.8284,  2.8284])

使用 n 个自由度在整个数组中查找标准误差：

>>> stats.sem(a, axis=None, ddof=0)
1.2893796958227628