Статистические функции для маскированных массивов (scipy.stats.mstats)

Этот модуль содержит большое количество статистических функций, которые можно использовать с замаскированными массивами.

Большинство этих функций аналогичны функциям в scipy.stats но могут иметь небольшие различия в API или используемом алгоритме. Поскольку это относительно новый пакет, некоторые изменения в API всё ещё возможны.

Сводная статистика

describe(a[, axis, ddof, bias])	Вычисляет несколько описательных статистик переданного массива.
gmean(a[, axis, dtype, weights, nan_policy, ...])	Вычисляет взвешенное среднее геометрическое вдоль указанной оси.
hmean(a[, axis, dtype, weights, nan_policy, ...])	Вычислить взвешенное среднее гармоническое вдоль указанной оси.
kurtosis(a[, axis, fisher, bias])	Вычисляет эксцесс (Фишера или Пирсона) набора данных.
mode(a[, axis])	Возвращает массив модального (наиболее частого) значения в переданном массиве.
mquantiles(a[, prob, alphap, betap, axis, limit])	Вычисляет эмпирические квантили для массива данных.
hdmedian(data[, axis, var])	Возвращает оценку медианы Харрелла-Дэвиса вдоль заданной оси.
hdquantiles(data[, prob, axis, var])	Вычисляет оценки квантилей методом Харрелла-Дэвиса.
hdquantiles_sd(data[, prob, axis])	Стандартная ошибка оценок квантилей Харрелла-Дэвиса методом джекнайфа.
idealfourths(data[, axis])	Возвращает оценку нижнего и верхнего квартилей.
plotting_positions(data[, alpha, beta])	Возвращает позиции для построения графиков (или эмпирические процентильные точки) для данных.
meppf(data[, alpha, beta])	Возвращает позиции для построения графиков (или эмпирические процентильные точки) для данных.
moment(a[, moment, axis])	Вычисляет n-й момент относительно среднего для выборки.
skew(a[, axis, bias])	Вычисляет асимметрию набора данных.
tmean(a[, limits, inclusive, axis])	Вычислить усечённое среднее.
tvar(a[, limits, inclusive, axis, ddof])	Вычислить усеченную дисперсию
tmin(a[, lowerlimit, axis, inclusive])	Вычислить усечённый минимум
tmax(a[, upperlimit, axis, inclusive])	Вычислить усечённый максимум
tsem(a[, limits, inclusive, axis, ddof])	Вычислить усеченную стандартную ошибку среднего.
variation(a[, axis, ddof])	Вычислить коэффициент вариации.
find_repeats(arr)	Найти повторы в arr и вернуть кортеж (repeats, repeat_count).
sem(a[, axis, ddof])	Вычисляет стандартную ошибку среднего входного массива.
trimmed_mean(a[, limits, inclusive, ...])	Возвращает усечённое среднее данных вдоль заданной оси.
trimmed_mean_ci(data[, limits, inclusive, ...])	Выбранный доверительный интервал усеченного среднего вдоль заданной оси.
trimmed_std(a[, limits, inclusive, ...])	Возвращает усечённое стандартное отклонение данных вдоль заданной оси.
trimmed_var(a[, limits, inclusive, ...])	Возвращает усечённую дисперсию данных вдоль заданной оси.

Частотная статистика

scoreatpercentile(data, per[, limit, ...])

Вычислить оценку в заданном процентиле 'per' последовательности a.

Функции корреляции

f_oneway(*args)	Выполняет односторонний дисперсионный анализ (ANOVA), возвращая F-значение и вероятность для любого количества групп.
pearsonr(x, y)	Коэффициент корреляции Пирсона и p-значение для проверки отсутствия корреляции.
spearmanr(x[, y, use_ties, axis, ...])	Вычисляет коэффициент корреляции Спирмена и p-значение для проверки на отсутствие корреляции.
pointbiserialr(x, y)	Вычисляет коэффициент точечно-бисериальной корреляции и его p-значение.
kendalltau(x, y[, use_ties, use_missing, ...])	Вычисляет коэффициент ранговой корреляции Кендалла tau для двух переменных x и y.
kendalltau_seasonal(x)	Вычисляет многомерный ранговый коэффициент корреляции Кендалла tau для сезонных данных.
linregress(x[, y])	Вычисление линейной регрессии методом наименьших квадратов для двух наборов измерений.
siegelslopes(y[, x, method])	Вычисляет оценку Сигеля для набора точек (x, y).
theilslopes(y[, x, alpha, method])	Вычисляет оценку Тейла-Сена для набора точек (x, y).
sen_seasonal_slopes(x)	Вычисляет сезонные оценки наклона Тейла-Сена и Кендалла.

Статистические тесты

ttest_1samp(a, popmean[, axis, alternative])	Вычисляет T-тест для среднего значения ОДНОЙ группы оценок.
ttest_onesamp(a, popmean[, axis, alternative])	Вычисляет T-тест для среднего значения ОДНОЙ группы оценок.
ttest_ind(a, b[, axis, equal_var, alternative])	Вычисляет T-тест для средних значений ДВУХ НЕЗАВИСИМЫХ выборок оценок.
ttest_rel(a, b[, axis, alternative])	Вычисляет T-тест для ДВУХ СВЯЗАННЫХ выборок оценок, a и b.
chisquare(f_obs[, f_exp, ddof, axis, ...])	Выполнить критерий хи-квадрат Пирсона.
kstest(data1, data2[, args, alternative, method])
ks_2samp(data1, data2[, alternative, method])	Вычисляет критерий Колмогорова-Смирнова для двух выборок.
ks_1samp(x, cdf[, args, alternative, method])	Вычисляет тест Колмогорова-Смирнова на одной выборке масскированных значений.
ks_twosamp(data1, data2[, alternative, method])	Вычисляет критерий Колмогорова-Смирнова для двух выборок.
mannwhitneyu(x, y[, use_continuity])	Вычисляет статистику Манна-Уитни
rankdata(data[, axis, use_missing])	Возвращает ранг (также известный как порядковая статистика) каждой точки данных вдоль заданной оси.
kruskal(*args)	Вычислить H-критерий Краскела-Уоллиса для независимых выборок
kruskalwallis(*args)	Вычислить H-критерий Краскела-Уоллиса для независимых выборок
friedmanchisquare(*args)	Критерий Фридмана — непараметрический однофакторный дисперсионный анализ с повторными измерениями.
brunnermunzel(x, y[, alternative, distribution])	Выполнить тест Бруннера-Мунзеля на выборках x и y.
skewtest(a[, axis, alternative])	Проверяет, отличается ли асимметрия от нормального распределения.
kurtosistest(a[, axis, alternative])	Проверяет, имеет ли набор данных нормальный эксцесс
normaltest(a[, axis])	Проверяет, отличается ли выборка от нормального распределения.

Преобразования

obrientransform(*args)	Вычисляет преобразование входных данных (любое количество столбцов).
trim(a[, limits, inclusive, relative, axis])	Обрезает массив, маскируя данные за пределами заданных границ.
trima(a[, limits, inclusive])	Обрезает массив, маскируя данные за пределами заданных границ.
trimmed_stde(a[, limits, inclusive, axis])	Возвращает стандартную ошибку усечённого среднего вдоль заданной оси.
trimr(a[, limits, inclusive, axis])	Обрезает массив, маскируя некоторую долю данных на каждом конце.
trimtail(data[, proportiontocut, tail, ...])	Обрезает данные, маскируя значения с одного конца.
trimboth(data[, proportiontocut, inclusive, ...])	Обрезает наименьшие и наибольшие значения данных.
winsorize(a[, limits, inclusive, inplace, ...])	Возвращает уинсоризованную версию входного массива.
zmap(scores, compare[, axis, ddof, nan_policy])	Вычислить относительные z-оценки.
zscore(a[, axis, ddof, nan_policy])	Вычислить z-оценку.

Другие

argstoarray(*args)	Создаёт двумерный массив из группы последовательностей.
count_tied_groups(x[, use_missing])	Подсчитывает количество связанных значений.
msign(x)	Возвращает знак x или 0, если x замаскирован.
compare_medians_ms(group_1, group_2[, axis])	Сравнивает медианы двух независимых групп вдоль заданной оси.
median_cihs(data[, alpha, axis])	Вычисляет доверительный интервал уровня alpha для медианы данных.
mjci(data[, prob, axis])	Разработка SciPy в основном ведётся на GitHub; этот раздел описывает ожидаемый способ работы с проблемами, запросами на включение и управления основной
mquantiles_cimj(data[, prob, alpha, axis])	Вычисляет доверительный интервал уровня alpha для выбранных квантилей данных с использованием оценок Марица-Джарретта.
rsh(data[, points])	Вычисляет сдвинутые гистограммы Розенблатта для каждой точки данных.