معرفی شرکت ها

binsmooth-0.15

Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
Card image cap
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
0.15
0.14
0.13
0.12
0.11
0.1
0.15
0.14
0.13
0.12
0.11
0.1

توضیحات

binsmooth - Better Estimates from Binned Income Data.
ویژگی مقدار
سیستم عامل -
نام فایل binsmooth-0.15
نام binsmooth
نسخه کتابخانه 0.15
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Stephen Tierney
ایمیل نویسنده sjtrny@gmail.com
آدرس صفحه اصلی http://github.com/sjtrny/binsmooth
آدرس اینترنتی https://pypi.org/project/binsmooth/
مجوز -
# binsmooth [![PyPI version](https://badge.fury.io/py/binsmooth.svg)](https://badge.fury.io/py/binsmooth) ![Build Status](https://github.com/sjtrny/binsmooth/actions/workflows/ci.yml/badge.svg) Python implementation of "[Better Estimates from Binned Income Data][1]" Better Estimates from Binned Income Data: Interpolated CDFs and Mean-Matching Paul T. von Hippel, David J. Hunter, McKalie Drown Sociological Science Volume 4, Number 26, Pages 641-655 2017 Originally implemented in the R package [`binsmooth`][2]. ## Usage from binsmooth import BinSmooth bin_edges = np.array([0, 18200, 37000, 87000, 180000]) counts = np.array([0, 7527, 13797, 75481, 50646, 803]) bs = BinSmooth() bs.fit(bin_edges, counts) # Print median estimate print(bs.inv_cdf(0.5)) ## Installation Install via pip pip install binsmooth pypi page [https://pypi.org/project/binsmooth/](https://pypi.org/project/binsmooth/) ## Improvements **Better tail estimate** by bounded optimisation rather than the adhoc search method found in the R implementation. **More precise inverse CDF** by dynamically sampling the CDF. This is done by sampling proportional to the steepness of the CDF i.e. sampling more in areas where the CDF is steeper. ## Warnings **Results** may not exactly match R `binsmooth` because of: 1. a different approach to estimating the tail (upper bound) and 2. differences in the spline interpolation method This implementation uses scipy's `PchipInterpolator` which implements \[1\], while the default interpolator in the R implementation is \[2\]. The interpolator in the R implementation can be changed to \[1\] by setting `monoMethod="monoH.FC"`. **Accuracy** is dependent on the mean of the distribution. If you do not supply a mean, then one will be estimated in an adhoc manner and the accuracy of estimates may be poor. ## References \[1\]: Fritsch, F. N. and Carlson, R. E. (1980). [Monotone piecewise cubic interpolation][3]. SIAM Journal on Numerical Analysis \[2\]: Hyman, J. M. (1983). [Accurate monotonicity preserving cubic interpolation][4]. SIAM Journal on Scientific and Statistical Computing [1]: https://sociologicalscience.com/download/vol-4/november/SocSci_v4_641to655.pdf [2]: https://cran.r-project.org/web/packages/binsmooth/ [3]: http://www.ams.sunysb.edu/~jiao/teaching/ams527_spring13/lectures/SNA000238.pdf [4]: https://www.osti.gov/servlets/purl/5328033


نیازمندی

مقدار نام
- numpy
- scipy


نحوه نصب


نصب پکیج whl binsmooth-0.15:

    pip install binsmooth-0.15.whl


نصب پکیج tar.gz binsmooth-0.15:

    pip install binsmooth-0.15.tar.gz