scipy.stats.

zmap#

scipy.stats.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. Scores, 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 Mittelwert und 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' Nans in scores ebenfalls in die Ausgabe propagiert werden, aber die für die Nicht-NaN-Werte berechneten z-Scores nicht beeinflussen.

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 experimentell neben NumPy auch Backend, die mit dem Python Array API Standard kompatibel sind. 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 bereitstellen. Die folgenden Kombinationen von Backend und Gerät (oder anderen Fähigkeiten) 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])