mad_std

astropy.stats.mad_std(data: ArrayLike, axis: int | tuple[int, ...] | None = None, func: Callable | None = None, ignore_nan: bool | None = False) → float | NDArray

使用 median absolute deviation (MAD) .

标准差估计值由下式给出：

\[\西格玛\approach\frac{\textrm{MAD}}{\Phi^{-1}（3/4）}\]

在哪里？ \(\Phi^{{-1}}(P)\) 正态逆累积分布函数是否按概率计算 \(P = 3/4\) .

参数:

data : array_likeNumpy：ARRAY_LIKE

可以转换为数组的数据数组或对象。

axis : None ， int ，或 tuple 的 int ，可选PYTHON：NONE、PYTHON：INT或PYTHON：TUTPLE OF PYTHON：INT，可选

计算稳健标准偏差的一个或多个轴。违约 (None )计算平坦阵列的鲁棒标准差。

func : callable() ，可选Python：Callable()，可选

用来计算中值的函数。默认为 numpy.ma.median 对于掩码数组，否则为 numpy.median .

ignore_nan : bool ，可选可选的布尔

计算中值时忽略NaN值（将它们视为不在数组中）。这将使用 numpy.ma.median 如果 axis 已指定，或 numpy.nanmedian 如果 axis=None numpy的版本是>1.10，因为在这个例子中，nanmedian的速度稍快一些。

返回:

mad_std : float 或 ndarrayPython ：浮点或ndarray

输入数据的稳健标准差。如果 axis 是 None 然后返回一个标量，否则 ndarray 将被退回。

参见

biweight_midvariance, biweight_midcovariance, median_absolute_deviation

实例

>>> import numpy as np
>>> from astropy.stats import mad_std
>>> rand = np.random.default_rng(12345)
>>> madstd = mad_std(rand.normal(5, 2, (100, 100)))
>>> print(madstd)
1.984147963351707