Python SciPy stats.moment用法及代碼示例

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

用法:

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

計算樣本均值的第 n 個矩。

矩是一組點的形狀的特定定量度量。由於與偏度和峰度的關係密切，它常用於計算偏度和峰度係數。

參數 ：：

a： array_like

輸入數組。

moment： int 或 數組 整數，可選

返回的中心時刻的順序。默認值為 1。

axis： int 或無，默認值：0

如果是 int，則計算統計量的輸入軸。輸入的每個axis-slice(例如行)的統計信息將出現在輸出的相應元素中。如果 None ，輸入將在計算統計數據之前被分解。

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

定義如何處理輸入 NaN。

• propagate ：如果計算統計數據的軸切片(例如行)中存在NaN，則輸出的相應條目將為 NaN。

• omit : 計算時將省略NaNs。如果計算統計數據的軸切片中剩餘的數據不足，則輸出的相應條目將為 NaN。

• raise ：如果存在 NaN，則會引發 ValueError。

center： 浮點數或無，可選

拍攝哪些時刻的點。這可以是樣本均值、原點或任何其他點。如果無(默認)，則計算中心作為樣本平均值。

keepdims： 布爾值，默認值：假

如果將其設置為 True，則縮小的軸將作為尺寸為 1 的尺寸留在結果中。使用此選項，結果將針對輸入數組正確廣播。

返回 ：：

n-th moment about the `center`： ndarray 或浮點數

如果軸為無，則沿給定軸或所有值的適當時刻。矩計算的分母是觀察次數，不進行自由度校正。

注意：

數據樣本的k-th時刻為：

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

在哪裏n是樣本數，並且c是計算力矩的中心。該函數使用平方求冪[1]為了效率。

請注意，如果a是一個空數組(a.size == 0)， 大批moment與一個元素(moment.size==1) 與標量的處理方式相同moment(np.isscalar(moment))。這可能會產生意外形狀的數組。

從 SciPy 1.9 開始，np.matrix 輸入(不建議用於新代碼)在執行計算之前轉換為 np.ndarray。在這種情況下，輸出將是標量或適當形狀的 np.ndarray 而不是 2D np.matrix 。同樣，雖然屏蔽數組的屏蔽元素被忽略，但輸出將是標量或 np.ndarray 而不是帶有 mask=False 的屏蔽數組。

參考：

[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