scipy.stats.

describe#

scipy.stats.describe(a, ось=0, ddof=1, смещение=True, nan_policy='propagate')[источник]#

Вычислите несколько описательных статистик переданного массива.

Параметры:

aarray_like

Входные данные.

осьint или None, опционально

Ось, вдоль которой вычисляются статистики. По умолчанию 0. Если None, вычисляется по всему массиву a.

ddofint, необязательный

Дельта степеней свободы (только для дисперсии). По умолчанию 1.

смещениеbool, необязательно

Если False, то вычисления асимметрии и эксцесса корректируются на статистическое смещение.

nan_policy{'propagate', 'raise', 'omit'}, опционально

Определяет, как обрабатывать входные данные, содержащие nan. Доступны следующие варианты (по умолчанию 'propagate'):

‘propagate’: возвращает nan
‘raise’: вызывает ошибку
'omit': выполняет вычисления, игнорируя значения nan

Возвращает:

nobsint или ndarray из int: Количество наблюдений (длина данных вдоль ось). Когда выбрана политика nan_policy как 'omit', длина вдоль каждого среза оси подсчитывается отдельно.
minmax: кортеж из ndarrays или чисел с плавающей точкой: Минимальное и максимальное значение a вдоль заданной оси.
meanndarray или float: Среднее арифметическое a вдоль заданной оси.
дисперсияndarray или float: Несмещённая дисперсия a вдоль заданной оси; знаменатель — количество наблюдений минус один.
асимметрияndarray или float: Асимметрия a вдоль заданной оси, на основе вычисления моментов с знаменателем, равным количеству наблюдений, т.е. без поправки на степени свободы.
куртозисndarray или float: Эксцесс (Фишера) для a вдоль заданной оси. Эксцесс нормализован так, что он равен нулю для нормального распределения. Степени свободы не используются.

Вызывает:

ValueError: Если размер a равен 0.

Смотрите также

skew, kurtosis

Примечания

describe имеет экспериментальную поддержку совместимых с Python Array API Standard бэкендов в дополнение к NumPy. Пожалуйста, рассмотрите тестирование этих функций, установив переменную окружения SCIPY_ARRAY_API=1 и предоставление массивов CuPy, PyTorch, JAX или Dask в качестве аргументов массива. Поддерживаются следующие комбинации бэкенда и устройства (или других возможностей).

Библиотека	CPU	GPU
NumPy	✅	н/д
CuPy	н/д	✅
PyTorch	✅	✅
JAX	⚠️ нет JIT	⚠️ нет JIT
Dask	⚠️ вычисляет граф	н/д

См. Поддержка стандарта array API для получения дополнительной информации.

Примеры

>>> import numpy as np
>>> from scipy import stats
>>> a = np.arange(10)
>>> stats.describe(a)
DescribeResult(nobs=10, minmax=(0, 9), mean=4.5,
               variance=9.166666666666666, skewness=0.0,
               kurtosis=-1.2242424242424244)
>>> b = [[1, 2], [3, 4]]
>>> stats.describe(b)
DescribeResult(nobs=2, minmax=(array([1, 2]), array([3, 4])),
               mean=array([2., 3.]), variance=array([2., 2.]),
               skewness=array([0., 0.]), kurtosis=array([-2., -2.]))