Python SciPy stats.gzscore用法及代碼示例

本文簡要介紹 python 語言中 scipy.stats.gzscore 的用法。

用法:

scipy.stats.gzscore(a, *, axis=0, ddof=0, nan_policy='propagate')#

計算幾何標準分數。

計算樣本中每個嚴格正值的幾何 z 分數，相對於幾何平均值和標準差。在數學上，幾何 z 分數可以評估為：

gzscore = log(a/gmu) / log(gsigma)

其中 gmu (resp. gsigma ) 是幾何平均值 (resp. 標準差)。

參數 ：：

a： array_like

樣本數據。

axis： int 或無，可選

操作的軸。默認值為 0。如果沒有，則計算整個數組 a。

ddof： 整數，可選

計算標準偏差時的自由度校正。默認值為 0。

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

定義當輸入包含 nan 時如何處理。 ‘propagate’ 返回 nan，‘raise’ 引發錯誤，‘omit’ 執行忽略 nan 值的計算。默認為‘propagate’。請注意，當值為 ‘omit’ 時，輸入中的 nan 也會傳播到輸出，但它們不會影響為非 nan 值計算的幾何 z 分數。

返回 ：：

gzscore： array_like

幾何 z 分數，由輸入數組 a 的幾何平均值和幾何標準差標準化。

注意：

此函數保留 ndarray 子類，也適用於矩陣和掩碼數組(它使用 asanyarray 而不是 asarray 作為參數)。

參考：

[1]

“Geometric standard score”,維基百科,https://en.wikipedia.org/wiki/Geometric_standard_deviation#Geometric_standard_score.

例子：

從 log-normal 分布中抽取樣本：

>>> import numpy as np
>>> from scipy.stats import zscore, gzscore
>>> import matplotlib.pyplot as plt

>>> rng = np.random.default_rng()
>>> mu, sigma = 3., 1.  # mean and standard deviation
>>> x = rng.lognormal(mu, sigma, size=500)

顯示樣本的直方圖：

>>> fig, ax = plt.subplots()
>>> ax.hist(x, 50)
>>> plt.show()

顯示由經典 zscore 標準化的樣本的直方圖。分布被重新調整，但其形狀保持不變。

>>> fig, ax = plt.subplots()
>>> ax.hist(zscore(x), 50)
>>> plt.show()

證明幾何 zscores 的分布是重新縮放和準正態分布的：

>>> fig, ax = plt.subplots()
>>> ax.hist(gzscore(x), 50)
>>> plt.show()