scipy.stats.mstats.

zmap#

scipy.stats.mstats.zmap(scores, compare, axis=0, ddof=0, nan_policy='propagate')[Quelle]#

Berechnet die relativen z-Scores.

Gibt ein Array von Z-Scores zurück, d. h. Werte, die auf einen Mittelwert von Null und eine Einheitsvarianz standardisiert sind, wobei Mittelwert und Varianz aus dem Vergleichsarray berechnet werden.

Parameter:

scoresarray_like: Die Eingabe, für die Z-Scores berechnet werden.
comparearray_like: Die Eingabe, aus der der Mittelwert und die Standardabweichung für die Normalisierung entnommen werden; es wird angenommen, dass sie die gleiche Dimension wie scores hat.
axisint oder None, optional: Achse, über die der Mittelwert und die Varianz von compare berechnet werden. Standard ist 0. Wenn None, wird über das gesamte Array scores berechnet.
ddofint, optional: Freiheitsgradkorrektur bei der Berechnung der Standardabweichung. Standard ist 0.
nan_policy{‘propagate’, ‘raise’, ‘omit’}, optional: Definiert, wie mit dem Auftreten von NaNs in compare umgegangen wird. ‚propagate‘ gibt NaN zurück, ‚raise‘ löst eine Ausnahme aus, ‚omit‘ führt die Berechnungen unter Ignorieren von NaN-Werten durch. Standard ist ‚propagate‘. Beachten Sie, dass bei ‚omit‘ auch NaNs in scores in die Ausgabe propagiert werden, aber sie beeinflussen nicht die Z-Scores, die für die Nicht-NaN-Werte berechnet werden.

Rückgabe:

zscorearray_like: Z-Scores, in der gleichen Form wie scores.

Hinweise

Diese Funktion behält NDArray-Unterklassen bei und funktioniert auch mit Matrizen und Masked Arrays (sie verwendet asanyarray anstelle von asarray für Parameter).

zmap unterstützt neben NumPy auch experimentell Python Array API Standard-kompatible Backends. Bitte erwägen Sie, diese Funktionen zu testen, indem Sie die Umgebungsvariable SCIPY_ARRAY_API=1 setzen und CuPy-, PyTorch-, JAX- oder Dask-Arrays als Array-Argumente übergeben. Die folgenden Kombinationen aus Backend und Gerät (oder anderer Fähigkeit) werden unterstützt.

Bibliothek	CPU	GPU
NumPy	✅	n/a
CuPy	n/a	✅
PyTorch	✅	✅
JAX	✅	✅
Dask	✅	n/a

Siehe Unterstützung für den Array API Standard für weitere Informationen.

Beispiele

>>> 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])