scipy.stats.

sigmaclip#

scipy.stats.sigmaclip(a, low=4.0, high=4.0)[Quelle]#

Führt eine iterative Sigma-Clipping von Array-Elementen durch.

Ausgehend von der vollständigen Stichprobe werden alle Elemente außerhalb des kritischen Bereichs entfernt, d. h. alle Elemente des Eingabearrays c, die eine der folgenden Bedingungen erfüllen

c < mean(c) - std(c)*low
c > mean(c) + std(c)*high

Die Iteration wird mit der aktualisierten Stichprobe fortgesetzt, bis keine Elemente mehr außerhalb des (aktualisierten) Bereichs liegen.

Parameter:

aarray_like: Datenarray, wird verflacht, wenn nicht 1-dimensional.
lowfloat, optional: Untergrenzenfaktor des Sigma-Clippings. Standard ist 4.
highfloat, optional: Obergrenzenfaktor des Sigma-Clippings. Standard ist 4.

Rückgabe:

clippedndarray: Eingabearray mit entfernten ausgeblendeten Elementen.
lowerfloat: Unterer Schwellenwert für das Clipping.
upperfloat: Oberer Schwellenwert für das Clipping.

Beispiele

>>> import numpy as np
>>> from scipy.stats import sigmaclip
>>> a = np.concatenate((np.linspace(9.5, 10.5, 31),
...                     np.linspace(0, 20, 5)))
>>> fact = 1.5
>>> c, low, upp = sigmaclip(a, fact, fact)
>>> c
array([  9.96666667,  10.        ,  10.03333333,  10.        ])
>>> c.var(), c.std()
(0.00055555555555555165, 0.023570226039551501)
>>> low, c.mean() - fact*c.std(), c.min()
(9.9646446609406727, 9.9646446609406727, 9.9666666666666668)
>>> upp, c.mean() + fact*c.std(), c.max()
(10.035355339059327, 10.035355339059327, 10.033333333333333)

>>> a = np.concatenate((np.linspace(9.5, 10.5, 11),
...                     np.linspace(-100, -50, 3)))
>>> c, low, upp = sigmaclip(a, 1.8, 1.8)
>>> (c == np.linspace(9.5, 10.5, 11)).all()
True