Python SciPy stats.zmap用法及代码示例

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

用法:

scipy.stats.zmap(scores, compare, axis=0, ddof=0, nan_policy='propagate')#

计算相对z-scores。

返回 z-scores 的数组，即标准化为零均值和单位方差的分数，其中均值和方差是从比较数组计算的。

参数 ：：

scores： array_like

计算z-scores 的输入。

compare： array_like

取归一化的均值和标准差的输入；假设与分数具有相同的维度。

axis： int 或无，可选

计算比较平均值和方差的轴。默认值为 0。如果没有，则计算整个数组的分数。

ddof： 整数，可选

计算标准偏差时的自由度校正。默认值为 0。

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

定义如何处理比较中出现的 nan。 ‘propagate’ 返回 nan，‘raise’ 引发异常，‘omit’ 执行忽略 nan 值的计算。默认为‘propagate’。请注意，当值为 ‘omit’ 时，分数中的 nan 也会传播到输出，但它们不会影响为非 nan 值计算的 z-scores。

返回 ：：

zscore： array_like

Z-scores，形状与分数相同。

注意：

此函数保留 ndarray 子类，也适用于矩阵和掩码数组(它使用 asanyarray 而不是 asarray 作为参数)。

例子：

>>> 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])