jax.scipy 模块#

jax.scipy.cluster#

vq(obs, code_book[, check_finite])

将代码本中的代码分配给一组观测值。

jax.scipy.fft#

dct(x[, type, n, axis, norm])

计算输入的离散余弦变换

dctn(x[, type, s, axes, norm])

计算输入的 N 维离散余弦变换

idct(x[, type, n, axis, norm])

计算输入的逆离散余弦变换

idctn(x[, type, s, axes, norm])

计算输入的 N 维逆离散余弦变换

jax.scipy.integrate#

trapezoid(y[, x, dx, axis])

使用复合梯形法则沿给定轴积分。

jax.scipy.interpolate#

RegularGridInterpolator(points, values[, ...])

对规则矩形网格上的点进行插值。

jax.scipy.linalg#

block_diag(*arrs)

从输入数组创建块对角矩阵。

cho_factor(a[, lower, overwrite_a, check_finite])

用于基于 Cholesky 的线性求解的因子分解

cho_solve(c_and_lower, b[, overwrite_b, ...])

使用 Cholesky 分解求解线性方程组

cholesky(a[, lower, overwrite_a, check_finite])

计算矩阵的 Cholesky 分解。

det(a[, overwrite_a, check_finite])

计算矩阵的行列式

eigh()

计算厄米矩阵的特征值和特征向量

eigh_tridiagonal(d, e, *[, eigvals_only, ...])

求解对称实三对角矩阵的特征值问题

expm(A, *[, upper_triangular, max_squarings])

计算矩阵指数

expm_frechet()

计算矩阵指数的 Frechet 导数。

funm(A, func[, disp])

计算矩阵值函数

hessenberg()

计算矩阵的 Hessenberg 形式

hilbert(n)

创建一个 n 阶 Hilbert 矩阵。

inv(a[, overwrite_a, check_finite])

返回方阵的逆。

lu()

计算 LU 分解

lu_factor(a[, overwrite_a, check_finite])

用于基于 LU 的线性求解的因子分解

lu_solve(lu_and_piv, b[, trans, ...])

使用 LU 分解求解线性方程组

pascal(n[, kind])

创建一个 n 阶 Pascal 矩阵近似。

polar(a[, side, method, eps, max_iterations])

计算极分解。

qr()

计算数组的 QR 分解

rsf2csf(T, Z[, check_finite])

将实 Schur 分解转换为复 Schur 分解。

schur(a[, output])

计算 Schur 分解

solve(a, b[, lower, overwrite_a, ...])

求解线性方程组。

solve_sylvester(A, B, C, *[, method, tol])

求解 Sylvester 方程 .. math::.

solve_triangular(a, b[, trans, lower, ...])

求解三角线性方程组

sqrtm(A[, blocksize])

计算矩阵平方根

svd()

计算奇异值分解。

toeplitz(c[, r])

构造 Toeplitz 矩阵。

jax.scipy.ndimage#

map_coordinates(input, coordinates, order[, ...])

使用插值将输入数组映射到新坐标。

jax.scipy.optimize#

minimize(fun, x0[, args, tol, options])

最小化一个或多个变量的标量函数。

OptimizeResults(x, success, status, fun, ...)

保存优化结果的对象。

jax.scipy.signal#

fftconvolve(in1, in2[, mode, axes])

使用快速傅里叶变换 (FFT) 对 N 维数组进行卷积。

convolve(in1, in2[, mode, method, precision])

两个 N 维数组的卷积。

convolve2d(in1, in2[, mode, boundary, ...])

两个二维数组的卷积。

correlate(in1, in2[, mode, method, precision])

两个 N 维数组的互相关。

correlate2d(in1, in2[, mode, boundary, ...])

两个二维数组的互相关。

csd(x, y[, fs, window, nperseg, noverlap, ...])

使用 Welch 方法估计互功率谱密度 (CSD)。

detrend(data[, axis, type, bp, overwrite_data])

从数据中移除线性或分段线性趋势。

istft(Zxx[, fs, window, nperseg, noverlap, ...])

执行短时傅里叶逆变换 (ISTFT)。

stft(x[, fs, window, nperseg, noverlap, ...])

计算短时傅里叶变换 (STFT)。

welch(x[, fs, window, nperseg, noverlap, ...])

使用 Welch 方法估计功率谱密度 (PSD)。

jax.scipy.spatial.transform#

Rotation(quat)

三维旋转。

Slerp(times, timedelta, rotations, rotvecs)

旋转的球面线性插值。

jax.scipy.sparse.linalg#

bicgstab(A, b[, x0, tol, atol, maxiter, M])

使用双共轭梯度稳定迭代来求解 Ax = b。

cg(A, b[, x0, tol, atol, maxiter, M])

使用共轭梯度迭代来求解 Ax = b。

gmres(A, b[, x0, tol, atol, restart, ...])

GMRES 求解线性系统 A x = b，给定 A 和 b。

jax.scipy.special#

bernoulli(n)

生成前 N 个 Bernoulli 数。

beta(a, b)

beta 函数

betainc(a, b, x)

正则化不完全 beta 函数。

betaln(a, b)

beta 函数绝对值的自然对数

digamma(x)

digamma 函数

entr(x)

熵函数

erf(x)

误差函数

erfc(x)

误差函数的补函数

erfinv(x)

误差函数的反函数

exp1(x)

指数积分函数。

expi

指数积分函数。

expit(x)

logistic sigmoid (expit) 函数

expn

广义指数积分函数。

factorial(n[, exact])

阶乘函数

fresnel

Fresnel 积分

gamma(x)

gamma 函数。

gammainc(a, x)

正则化下不完全 gamma 函数。

gammaincc(a, x)

正则化上不完全 gamma 函数。

gammaln(x)

gamma 函数绝对值的自然对数。

gammasgn(x)

gamma 函数的符号。

hyp1f1

1F1 超几何函数。

hyp2f1

2F1 超几何函数。

i0(x)

零阶修正贝塞尔函数。

i0e(x)

零阶指数尺度修正贝塞尔函数。

i1(x)

一阶修正贝塞尔函数。

i1e(x)

一阶指数尺度修正贝塞尔函数。

kl_div(p, q)

Kullback-Leibler 散度。

log_ndtr

对数正态分布函数。

log_softmax(x, /, *[, axis])

Log-Softmax 函数。

logit

logit 函数

logsumexp()

对数和指数缩减。

lpmn(m, n, z)

第一类关联勒让德函数 (ALFs)。

lpmn_values(m, n, z, is_normalized)

第一类关联勒让德函数 (ALFs)。

multigammaln(a, d)

多元 gamma 函数的自然对数。

ndtr(x)

正态分布函数。

ndtri(p)

正态分布函数累积分布函数的反函数。

poch

Pochammer 符号。

polygamma(n, x)

polygamma 函数。

rel_entr(p, q)

相对熵函数。

sici

正弦和余弦积分。

softmax(x, /, *[, axis])

Softmax 函数。

spence(x)

Spence 函数，也称为实数值的对数积分。

sph_harm(m, n, theta, phi[, n_max])

计算球谐函数。

xlog1py

计算 x*log(1 + y)，当 x=0 时返回 0。

xlogy

计算 x*log(y)，当 x=0 时返回 0。

zeta

Hurwitz zeta 函数。

jax.scipy.stats#

mode(a[, axis, nan_policy, keepdims])

计算数组沿轴的众数（最常见的值）。

rankdata(a[, method, axis, nan_policy])

计算数组沿轴的数据秩。

sem(a[, axis, ddof, nan_policy, keepdims])

计算均值的标准误差。

jax.scipy.stats.bernoulli#

logpmf(k, p[, loc])

Bernoulli 对数概率质量函数。

pmf(k, p[, loc])

Bernoulli 概率质量函数。

cdf(k, p)

Bernoulli 累积分布函数。

ppf(q, p)

Bernoulli 百分点函数。

jax.scipy.stats.beta#

logpdf(x, a, b[, loc, scale])

Beta 对数概率分布函数。

pdf(x, a, b[, loc, scale])

Beta 概率分布函数。

cdf(x, a, b[, loc, scale])

Beta 累积分布函数

logcdf(x, a, b[, loc, scale])

Beta 对数累积分布函数。

sf(x, a, b[, loc, scale])

Beta 分布生存函数。

logsf(x, a, b[, loc, scale])

Beta 分布对数生存函数。

jax.scipy.stats.betabinom#

logpmf(k, n, a, b[, loc])

Beta-二项对数概率质量函数。

pmf(k, n, a, b[, loc])

Beta-二项概率质量函数。

jax.scipy.stats.binom#

logpmf(k, n, p[, loc])

二项对数概率质量函数。

pmf(k, n, p[, loc])

二项概率质量函数。

jax.scipy.stats.cauchy#

logpdf(x[, loc, scale])

Cauchy 对数概率分布函数。

pdf(x[, loc, scale])

Cauchy 概率分布函数。

cdf(x[, loc, scale])

Cauchy 累积分布函数。

logcdf(x[, loc, scale])

Cauchy 对数累积分布函数。

sf(x[, loc, scale])

柯西分布对数生存函数。

logsf(x[, loc, scale])

柯西分布对数生存函数。

isf(q[, loc, scale])

Cauchy 分布逆生存函数。

ppf(q[, loc, scale])

Cauchy 分布百分点函数。

jax.scipy.stats.chi2#

logpdf(x, df[, loc, scale])

卡方对数概率分布函数。

pdf(x, df[, loc, scale])

卡方概率分布函数。

cdf(x, df[, loc, scale])

卡方累积分布函数。

logcdf(x, df[, loc, scale])

卡方对数累积分布函数。

sf(x, df[, loc, scale])

卡方生存函数。

logsf(x, df[, loc, scale])

卡方对数生存函数。

jax.scipy.stats.dirichlet#

logpdf(x, alpha)

Dirichlet 对数概率分布函数。

pdf(x, alpha)

Dirichlet 概率分布函数。

jax.scipy.stats.expon#

logpdf(x[, loc, scale])

指数对数概率分布函数。

pdf(x[, loc, scale])

指数概率分布函数。

logcdf(x[, loc, scale])

指数对数累积分布函数。

cdf(x[, loc, scale])

指数累积分布函数。

logsf(x[, loc, scale])

指数对数生存函数。

sf(x[, loc, scale])

指数生存函数。

ppf(q[, loc, scale])

指数生存函数。

jax.scipy.stats.gamma#

logpdf(x, a[, loc, scale])

Gamma 对数概率分布函数。

pdf(x, a[, loc, scale])

Gamma 概率分布函数。

cdf(x, a[, loc, scale])

Gamma 累积分布函数。

logcdf(x, a[, loc, scale])

Gamma 对数累积分布函数。

sf(x, a[, loc, scale])

Gamma 生存函数。

logsf(x, a[, loc, scale])

Gamma 对数生存函数。

jax.scipy.stats.gumbel_l#

logpdf(x[, loc, scale])

Gumbel 分布（左偏）对数概率分布函数。

pdf(x[, loc, scale])

Gumbel 分布（左偏）概率分布函数。

cdf(x[, loc, scale])

Gumbel 分布（左偏）累积分布函数。

logcdf(x[, loc, scale])

Gumbel 分布（左偏）对数累积分布函数。

sf(x[, loc, scale])

Gumbel 分布（左偏）生存函数。

logsf(x[, loc, scale])

Gumbel 分布（左偏）对数生存函数。

ppf(p[, loc, scale])

Gumbel 分布（左偏）百分点函数（CDF 的反函数）

jax.scipy.stats.gumbel_r#

logpdf(x[, loc, scale])

Gumbel 分布（右偏）对数概率分布函数。

pdf(x[, loc, scale])

Gumbel 分布（右偏）概率分布函数。

cdf(x[, loc, scale])

Gumbel 分布（右偏）累积分布函数。

logcdf(x[, loc, scale])

Gumbel 分布（右偏）对数累积分布函数。

sf(x[, loc, scale])

Gumbel 分布（右偏）生存函数。

logsf(x[, loc, scale])

Gumbel 分布（右偏）对数生存函数。

ppf(p[, loc, scale])

Gumbel 分布（右偏）百分点函数。

jax.scipy.stats.gennorm#

cdf(x, beta)

广义正态累积分布函数。

logpdf(x, beta)

广义正态对数概率分布函数。

pdf(x, beta)

广义正态概率分布函数。

jax.scipy.stats.geom#

logpmf(k, p[, loc])

几何对数概率质量函数。

pmf(k, p[, loc])

几何概率质量函数。

jax.scipy.stats.laplace#

cdf(x[, loc, scale])

Laplace 累积分布函数。

logpdf(x[, loc, scale])

Laplace 对数概率分布函数。

pdf(x[, loc, scale])

Laplace 概率分布函数。

jax.scipy.stats.logistic#

cdf(x[, loc, scale])

Logistic 累积分布函数。

isf(x[, loc, scale])

Logistic 分布逆生存函数。

logpdf(x[, loc, scale])

Logistic 对数概率分布函数。

pdf(x[, loc, scale])

Logistic 概率分布函数。

ppf(x[, loc, scale])

Logistic 分布百分点函数。

sf(x[, loc, scale])

Logistic 分布生存函数。

jax.scipy.stats.multinomial#

logpmf(x, n, p)

多项式对数概率质量函数。

pmf(x, n, p)

多项式概率质量函数。

jax.scipy.stats.multivariate_normal#

logpdf(x, mean, cov[, allow_singular])

多元正态对数概率分布函数。

pdf(x, mean, cov)

多元正态概率分布函数。

jax.scipy.stats.nbinom#

logpmf(k, n, p[, loc])

负二项对数概率质量函数。

pmf(k, n, p[, loc])

负二项概率质量函数。

jax.scipy.stats.norm#

logpdf(x[, loc, scale])

正态对数概率分布函数。

pdf(x[, loc, scale])

正态概率分布函数。

cdf(x[, loc, scale])

正态累积分布函数。

logcdf(x[, loc, scale])

正态对数累积分布函数。

ppf(q[, loc, scale])

正态分布百分点函数。

sf(x[, loc, scale])

正态分布生存函数。

logsf(x[, loc, scale])

正态分布对数生存函数。

isf(q[, loc, scale])

正态分布逆生存函数。

jax.scipy.stats.pareto#

logpdf(x, b[, loc, scale])

Pareto 对数概率分布函数。

pdf(x, b[, loc, scale])

Pareto 概率分布函数。

jax.scipy.stats.poisson#

logpmf(k, mu[, loc])

Poisson 对数概率质量函数。

pmf(k, mu[, loc])

Poisson 概率质量函数。

cdf(k, mu[, loc])

Poisson 累积分布函数。

jax.scipy.stats.t#

logpdf(x, df[, loc, scale])

Student's T 对数概率分布函数。

pdf(x, df[, loc, scale])

Student's T 概率分布函数。

jax.scipy.stats.truncnorm#

cdf(x, a, b[, loc, scale])

截断正态累积分布函数。

logcdf(x, a, b[, loc, scale])

截断正态对数累积分布函数。

logpdf(x, a, b[, loc, scale])

截断正态对数概率分布函数。

logsf(x, a, b[, loc, scale])

截断正态分布对数生存函数。

pdf(x, a, b[, loc, scale])

截断正态概率分布函数。

sf(x, a, b[, loc, scale])

截断正态分布对数生存函数。

jax.scipy.stats.uniform#

logpdf(x[, loc, scale])

均匀对数概率分布函数。

pdf(x[, loc, scale])

均匀概率分布函数。

cdf(x[, loc, scale])

均匀累积分布函数。

ppf(q[, loc, scale])

均匀分布百分点函数。

jax.scipy.stats.gaussian_kde#

gaussian_kde(dataset[, bw_method, weights])

高斯核密度估计器

gaussian_kde.evaluate(points)

在给定点上评估高斯 KDE。

gaussian_kde.integrate_gaussian(mean, cov)

积分由高斯加权的分布。

gaussian_kde.integrate_box_1d(low, high)

在给定限制范围内积分分布。

gaussian_kde.integrate_kde(other)

积分两个高斯 KDE 分布的乘积。

gaussian_kde.resample(key[, shape])

从估计的 pdf 中随机采样数据集

gaussian_kde.pdf(x)

概率密度函数

gaussian_kde.logpdf(x)

对数概率密度函数

jax.scipy.stats.vonmises#

logpdf(x, kappa)

von Mises 对数概率分布函数。

pdf(x, kappa)

von Mises 概率分布函数。

jax.scipy.stats.wrapcauchy#

logpdf(x, c)

包裹 Cauchy 对数概率分布函数。

pdf(x, c)

包裹 Cauchy 概率分布函数。