pebaystats 0.4

注意

峰度值的聚集似乎遭受了一些损失 与scipy生成的值进行比较时的精度。这是真的 在累积简单数据值时不会发生，原因是 目前已知。我怀疑这是一个算术精度效应， 但还没有调查。

快速启动

from__future__importprint_function

从模块导入聚合对象。

frompebaystatsimportdstats

创建一些具有不同深度（矩数）和宽度的对象 （要计算统计信息的列数）。这里是stats1和 stats3对象每一个都为 数据，stats2对象为4收集4个统计矩 数据列。

stats1=dstats(2,1)stats2=dstats(4,4)stats3=dstats(2,1)

将单个数据值添加到 stats1对象。打印对象以查看其状态，包括 到目前为止，力矩值是累积的。另外，打印列表列表 从statistics()方法调用返回。在这里你可以看到 平均值为2.0，方差为0.0。

stats1.add(2)stats1.add(2)stats1.add(2)print('stats1: %s'%stats1)print('statistics: %s'%stats1.statistics())

stats1: dstats: 2 moments, 1 columns, 3 rows
[[ 2.]
 [ 0.]]
statistics: [[ 2.]
 [ 0.]]

向stats2对象添加整行（多列）值。 查看累积结果。注意当第二个时刻 （n * Var）是0，相当于0的偏差，较高的力矩 处于初始0状态。较高的统计设置为 NaN本例中的值。

stats2.add([1.2,2,3,9])stats2.add([4.5,6,7,9])stats2.add([8.9,0,1,9])stats2.add([2.3,4,5,9])print('stats2: %s'%stats2)print('statistics: %s'%stats2.statistics(True))

stats2: dstats: 4 moments, 4 columns, 4 rows
[[  4.22500000e+00   3.00000000e+00   4.00000000e+00   9.00000000e+00]
 [  3.47875000e+01   2.00000000e+01   2.00000000e+01   0.00000000e+00]
 [  6.73818750e+01   7.10542736e-15   7.10542736e-15   0.00000000e+00]
 [  5.75139658e+02   1.64000000e+02   1.64000000e+02   0.00000000e+00]]
statistics: [[  4.22500000e+00   3.00000000e+00   4.00000000e+00   9.00000000e+00]
 [  2.94904646e+00   2.23606798e+00   2.23606798e+00   0.00000000e+00]
 [  6.56807734e-01   1.58882186e-16   1.58882186e-16              nan]
 [ -1.09897921e+00  -1.36000000e+00  -1.36000000e+00              nan]]

从stats2对象中删除数据（未实现）。

# stats2.remove(1.2,2,3,9)

使用数据加载stats3对象并查看结果。

stats3.add(4)stats3.add(4)stats3.add(4)print('stats3: %s'%stats3)print('statistics: %s'%stats3.statistics())

stats3: dstats: 2 moments, 1 columns, 3 rows
[[ 4.]
 [ 0.]]
statistics: [[ 4.]
 [ 0.]]

现在将该对象聚合到第一个对象上。只有当 形状是一样的。

stats1.aggregate(stats3)print('stast1: %s'%stats1)print('statistics: %s'%stats1.statistics(True))

stast1: dstats: 2 moments, 1 columns, 6 rows
[[ 3.]
 [ 6.]]
statistics: [[ 3.]
 [ 1.]]