scipy.stats.mstats.

zmap#

scipy.stats.mstats.zmap(scores, сравнить, ось=0, ddof=0, nan_policy='propagate')[источник]#

Вычислить относительные z-оценки.

Возвращает массив z-оценок, то есть оценок, стандартизированных к нулевому среднему и единичной дисперсии, где среднее и дисперсия вычисляются из массива сравнения.

Параметры:

scoresarray_like: Входные данные, для которых вычисляются z-оценки.
сравнитьarray_like: Входные данные, из которых берутся среднее значение и стандартное отклонение для нормализации; предполагается, что имеют ту же размерность, что и scores.
осьint или None, опционально: Ось, по которой вычисляются среднее и дисперсия сравнить вычисляются. По умолчанию 0. Если None, вычисляется по всему массиву scores.
ddofint, необязательный: Поправка на степени свободы при вычислении стандартного отклонения. По умолчанию 0.
nan_policy{'propagate', 'raise', 'omit'}, опционально: Определяет, как обрабатывать появление значений nan в сравнить. ‘propagate’ возвращает nan, ‘raise’ вызывает исключение, ‘omit’ выполняет вычисления, игнорируя значения nan. По умолчанию ‘propagate’. Обратите внимание, что когда значение ‘omit’, nan в scores также распространяются на выходные данные, но не влияют на z-оценки, вычисленные для ненулевых значений.

Возвращает:

zscorearray_like: Z-оценки, в той же форме, что и scores.

Примечания

Эта функция сохраняет подклассы ndarray и также работает с матрицами и маскированными массивами (использует asanyarray вместо asarray для параметров).

zmap 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	✅	✅
Dask	✅	н/д

См. Поддержка стандарта array API для получения дополнительной информации.

Примеры

>>> 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])