Python SciPy stats.sem用法及代碼示例

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

用法:

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

計算平均值的標準誤。

計算輸入數組中值的平均值(或測量標準誤差)的標準誤差。

參數 ：：

a： array_like

包含返回標準錯誤的值的數組。

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。

ddof： 整數，可選

三角洲degrees-of-freedom。相對於總體方差估計，在有限樣本中調整偏差的自由度。默認為 1。

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。

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 ：：

s： ndarray 或浮點數

樣本中平均值的標準誤差，沿輸入軸。

注意：

ddof 的默認值與其他包含 ddof 的例程(例如 np.std 和 np.nanstd)使用的默認值 (0) 不同。

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。

例子：

沿第一個軸查找標準誤差：

>>> 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 個自由度在整個數組中查找標準誤差：

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