معرفی شرکت ها
PyStats-0.1
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشتر
تبلیغات ما
مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.
مشاهده بیشترتوضیحات
A Python 3 package of statistical analysis and distributions
| ویژگی | مقدار |
|---|---|
| سیستم عامل | OS Independent |
| نام فایل | PyStats-0.1 |
| نام | PyStats |
| نسخه کتابخانه | 0.1 |
| نگهدارنده | [] |
| ایمیل نگهدارنده | [] |
| نویسنده | Marc Izquierdo |
| ایمیل نویسنده | marcizhu@gmail.com |
| آدرس صفحه اصلی | https://github.com/marcizhu/PyStats |
| آدرس اینترنتی | https://pypi.org/project/PyStats/ |
| مجوز | - |
# PyStats
PyStats is a Python 3 library of statistical analysis and distribution functions with simple **R**-like syntax, scalar/list input/output with OpenMP parallelization.
### Contents
- [Distributions](#distributions)
- [Installation](#installation)
- [Documentation](#documentation)
- [Syntax and Examples](#syntax-and-examples)
- [Credits](#credits)
- [License](#license)
## Distributions
Functions to compute the cdf, pdf, quantile, as well as random sampling methods, are available for the following distributions:
- Bernoulli
- Beta
- Binomial
- Cauchy
- Chi-squared
- Exponential
- F
- Gamma
- Inverse-Gamma
- Laplace
- Logistic
- Log-Normal
- Normal (Gaussian)
- Poisson
- Student's t
- Uniform
- Weibull
## Installation
You can use pip to install this library:
```sh
pip3 install pystats
```
Alternatively, you can also clone this repository and install the plugin manually using `pip`:
```sh
$ git clone git@github.com:marcizhu/PyStats.git
$ pip3 install ./PyStats
```
After that, you can just `import pystats` (or do `from pystats import *` if you don't want to type `pystats.` before all functions) and you're ready to go.
## Documentation
Full documentation is available online:
[](https://pystats.readthedocs.io/en/latest/?badge=latest)
A PDF version of the documentation is available [here](https://buildmedia.readthedocs.org/media/pdf/pystats/latest/pystats.pdf).
## Syntax and Examples
Functions are called using an **R**-like syntax. Some general rules:
- Density functions: `pystats.d*`. For example, the Normal (Gaussian) density is called using
```python3
pystats.dnorm(<value>, <mean>, <standard deviation>)
```
- Cumulative distribution functions: `pystats.p*`. For example, the Gamma CDF is called using
```python3
pystats.pgamma(<value>, <shape parameter>, <scale parameter>)
```
- Quantile functions: `pystats.q*`. For example, the Beta quantile is called using
```python3
pystats.qbeta(<value>, <a parameter>, <b parameter>)
```
- Random sampling: `pystats.r*`. For example, to generate a single draw from the Logistic distribution:
```python3
pystats.rlogis(<location parameter>, <scale parameter>)
```
The library also supports lists as input/output:
- The pdf, cdf and quantile functions can take list arguments. For example:
```python3
norm_pdf_vals = pystats.dnorm([x / 10 for x in range(-10, 10, 1)], 1.0, 2.0)
```
- The randomization functions (`r*`) can output lists of arbitrary size. For example, the following code will generate a 100-item list of iid draws from a Gamma(3,2) distribution:
```python3
gamma_rvs = pystats.rgamma(100, 3.0, 2.0)
```
Additionally, most parameters have defaults to most common values and named parameters are also supported. For example, to generate a single draw from a Normal(0, 2) the following can be used:
```python3
norm_draw = pystats.rnorm(sd=2.0)
```
### Examples
More examples with code:
```python3
# Evaluate the normal PDF at x = 1, mu = 0, sigma = 1
dval_1 = pystats.dnorm(1.0, 0.0, 1.0)
# Evaluate the normal PDF at x = 1, mu = 0, sigma = 1, and return the log value
dval_2 = pystats.dnorm(1.0, 0.0, 1.0, True)
# Same as above, but using default values and named parameters
dval_3 = pystats.dnorm(1.0, log=True)
# Evaluate the normal CDF at x = 1, mu = 0, sigma = 1
pval = pystats.pnorm(1.0, 0.0, 1.0)
# Evaluate the Laplacian quantile at q = 0.1, mu = 0, sigma = 1
qval = pystats.qlaplace(0.1, 0.0, 1.0)
# Draw from a t-distribution with dof = 30
rval = pystats.rt(dof=30)
# List output
beta_rvs = pystats.rbeta(100, 3.0, 2.0)
# List input
beta_cdf_vals = pystats.pbeta(beta_rvs, 3.0, 2.0)
```
For more information on default values, parameter names and other examples, check the [documentation](#documentation).
## Credits
This library uses [kthohr/stats](https://github.com/kthohr/stats) for the statistical distribution functions, [kthohr/gcem](https://github.com/kthohr/gcem) (a dependency of the previous library) and [pybind/pybind11](https://github.com/pybind/pybind11) to generate the binding code.
## License
Copyright (c) Marc Izquierdo 2021
This library is licensed under the [MIT License](https://choosealicense.com/licenses/mit/). See
[LICENSE](https://github.com/marcizhu/pystats/blob/master/LICENSE) for more details.
نحوه نصب
نصب پکیج whl PyStats-0.1:
pip install PyStats-0.1.whl
نصب پکیج tar.gz PyStats-0.1:
pip install PyStats-0.1.tar.gz