معرفی شرکت ها

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 بیشتر

توضیحات

A utility for Bayesian trend regression with a variety of statistical models

ویژگی	مقدار
سیستم عامل	-
نام فایل	climtrends-0.0.2
نام	climtrends
نسخه کتابخانه	0.0.2
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Travis A. O'Brien
ایمیل نویسنده	obrienta@iu.edu
آدرس صفحه اصلی	https://github.com/taobrienlbl/climtrends
آدرس اینترنتی	https://pypi.org/project/climtrends/
مجوز	-

# ClimTrends `ClimTrends` is a python package aimed at making it easy to calculate linear trends in a variety of statistical models. The current implementation includes: * Normal Distribution - trend in mean * Poisson Distribution - trend in mean * Exponential Distribution - trend in mean * Gamma Distribution - trend in mean and standard deviation * GEV Distribution - trend in mean The module utilizes `datetime`-like objects as the input time value, which makes it easy to interoperate with data from [netCDF4](http://unidata.github.io/netcdf4-python/) and [xarray](http://xarray.pydata.org/en/stable/). All models use a Bayesian framework (using the [emcee](http://dfm.io/emcee/current/) package) and assume a uniform prior on all model parameters. This module is object-oriented and designed to be easily extendable for regressions of other distributions. To do so, one needs to sub-class the `ClimTrendModel` class and implement a few required routines; see `TrendNormalModel.py` or other `Trend*Model.py` files for examples. # Getting started ```python # dates - a set of input dates # data - corresponding data from those dates import climtrends import numpy as np # initialize the MCMC model linear_model = climtrends.TrendNormalModel(dates, data) # run the sampler linear_model.run_mcmc_sampler(num_samples = 1000) # get samples of the slopes slopes = linear_model.get_mean_trend_samples() # get the 5th and 95th percentile slopes slopes_5 = np.percentile(slopes, 5) slopes_95 = np.percentile(slopes, 95) ``` # Known Issues * The model assumes that input data are vectors; things will likely break if not. * Probably other issues exist. This code is tested and is verified to work in some base cases, but it is still in alpha stage and has not been tested across a range of settings.

زبان مورد نیاز

مقدار	نام
>=3.6	Python

نحوه نصب

نصب پکیج whl climtrends-0.0.2:

pip install climtrends-0.0.2.whl

نصب پکیج tar.gz climtrends-0.0.2:

pip install climtrends-0.0.2.tar.gz