scipy.stats.zscore()函数 | Python

简介

在 Python 中，scipy.stats.zscore() 函数可以用来计算一组数据的标准化系数。标准化系数可以用来衡量数据点在一个数据集中的相对位置。

具体来说，标准化系数是将每个数据点减去数据的平均值，然后除以数据的标准差得到的值。这样就可以得到一组具有均值为零且标准差为一的数据。

语法

scipy.stats.zscore(a, axis=0, ddof=0)

这个函数的参数很少，只需要传入需要计算标准化系数的数据数组即可。

• a ：需要计算标准化系数的数据数组。
• axis ：标准化的轴，默认为 0，表示计算每一列的标准化系数。
• ddof ：自由度的 Delta，用于计算样本标准差。

返回值

函数返回已标准化的数据数组。

示例

下面是一个简单的示例：

import numpy as np
from scipy import stats

# 创建几个数据点
data = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

# 计算标准化系数
z = stats.zscore(data)

# 输出结果
print(z)

输出：

[-1.5666989  -1.21854359 -0.87038828 -0.52223297 -0.17407766  0.17407766
  0.52223297  0.87038828  1.21854359  1.5666989 ]

总结

scipy.stats.zscore() 函数可以用来计算数据的标准化系数，进而衡量数据点在一个数据集中的相对位置。这个函数非常简单易用，只需要传入需要计算的数据数组即可。