jax.scipy 模块#

jax.scipy.cluster#

vq(obs, code_book[, check_finite])

将代码簿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])

计算输入的多维离散余弦变换

idct(x[, type, n, axis, norm])

计算输入的逆离散余弦变换

idctn(x[, type, s, axes, norm])

计算输入的多维逆离散余弦变换

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[, ...])

在规则矩形网格上插值点。

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])

基于 Cholesky 的线性求解的因式分解

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

使用 Cholesky 分解求解线性系统

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()

计算埃尔米特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])

评估矩阵值函数

hessenberg()

计算矩阵的 Hessenberg 形式

hilbert(n)

创建 n 阶 Hilbert 矩阵。

inv(a[, overwrite_a, check_finite])

返回方阵的逆矩阵

lu()

计算 LU 分解

lu_factor(a[, overwrite_a, check_finite])

基于 LU 的线性求解的因式分解

lu_solve(lu_and_piv, b[, trans, ...])

使用 LU 分解求解线性系统

pascal(n[, kind])

创建 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 形式转换为复 Schur 形式。

schur(a[, output])

计算 Schur 分解

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

求解线性方程组。

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) 卷积两个 N 维数组。

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

两个 N 维数组的卷积。

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

两个 2 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 2 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])

从数据中删除线性或分段线性趋势。

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

执行逆短时傅里叶变换 (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)

3 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法求解 Ax = b。

cg(A, b[, x0, tol, atol, maxiter, M])

使用共轭梯度迭代法求解 Ax = b。

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

GMRES 求解线性系统 A x = b 中的 x，给定 A 和 b。

jax.scipy.special#

bernoulli(n)

生成前 N 个伯努利数。

beta(a, b)

beta 函数

betainc(a, b, x)

正则不完全 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)

误差函数的逆函数

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

菲涅尔积分

gamma(x)

gamma 函数。

gammainc(a, x)

正则下不完全 gamma 函数。

gammaincc(a, x)

正则上不完全 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。

i0(x)

零阶修正贝塞尔函数。

i0e(x)

指数缩放的零阶修正贝塞尔函数。

i1(x)

一阶修正贝塞尔函数。

i1e(x)

指数缩放的一阶修正贝塞尔函数。

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()

Log-sum-exp 缩减。

lpmn(m, n, z)

第一类缔合勒让德函数 (ALF)。

lpmn_values(m, n, z, is_normalized)

第一类缔合勒让德函数 (ALF)。

multigammaln(a, d)

多元 gamma 函数的自然对数。

ndtr(x)

正态分布函数。

ndtri(p)

正态分布函数的 CDF 的逆函数。

poch

Pochammer 符号。

polygamma(n, x)

polygamma 函数。

rel_entr(p, q)

相对熵函数。

softmax(x, /, *[, axis])

Softmax 函数。

spence(x)

Spence 函数，也称为实值的 dilogarithm。

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

赫维茨 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])

计算数组轴向数据的秩。

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

计算均值的标准误差。

jax.scipy.stats.bernoulli#

logpmf(k, p[, loc])

伯努利分布对数概率质量函数。

pmf(k, p[, loc])

伯努利分布概率质量函数。

cdf(k, p)

伯努利分布累积分布函数。

ppf(q, p)

伯努利分布百分点函数。

jax.scipy.stats.beta#

logpdf(x, a, b[, loc, scale])

Beta 分布对数概率密度函数。

pdf(x, a, b[, loc, scale])

Beta 分布概率密度函数。

cdf(x, a, b[, loc, scale])

Beta 分布累积分布函数

logcdf(x, a, b[, loc, scale])

Beta 分布对数累积分布函数。

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-二项分布对数概率质量函数。

pmf(k, n, a, b[, loc])

Beta-二项分布概率质量函数。

jax.scipy.stats.binom#

logpmf(k, n, p[, loc])

二项分布对数概率质量函数。

pmf(k, n, p[, loc])

二项分布概率质量函数。

jax.scipy.stats.cauchy#

logpdf(x[, loc, scale])

柯西分布对数概率密度函数。

pdf(x[, loc, scale])

柯西分布概率密度函数。

cdf(x[, loc, scale])

柯西分布累积分布函数。

logcdf(x[, loc, scale])

柯西分布对数累积分布函数。

sf(x[, loc, scale])

柯西分布生存函数。

logsf(x[, loc, scale])

柯西分布生存函数。

isf(q[, loc, scale])

柯西分布逆生存函数。

ppf(q[, loc, scale])

柯西分布百分点函数。

jax.scipy.stats.chi2#

logpdf(x, df[, loc, scale])

卡方分布对数概率密度函数。

pdf(x, df[, loc, scale])

卡方分布概率密度函数。

cdf(x, df[, loc, scale])

卡方分布累积分布函数。

logcdf(x, df[, loc, scale])

卡方分布对数累积分布函数。

sf(x, df[, loc, scale])

卡方分布生存函数。

logsf(x, df[, loc, scale])

卡方分布对数生存函数。

jax.scipy.stats.dirichlet#

logpdf(x, alpha)

狄利克雷分布对数概率密度函数。

pdf(x, alpha)

狄利克雷分布概率密度函数。

jax.scipy.stats.expon#

logpdf(x[, loc, scale])

指数分布对数概率密度函数。

pdf(x[, loc, scale])

指数分布概率密度函数。

logcdf(x[, loc, scale])

指数分布对数累积密度函数。

cdf(x[, loc, scale])

指数分布累积密度函数。

logsf(x[, loc, scale])

指数分布对数生存函数。

sf(x[, loc, scale])

指数分布生存函数。

ppf(q[, loc, scale])

指数分布生存函数。

jax.scipy.stats.gamma#

logpdf(x, a[, loc, scale])

伽玛分布对数概率密度函数。

pdf(x, a[, loc, scale])

伽玛分布概率密度函数。

cdf(x, a[, loc, scale])

伽玛分布累积分布函数。

logcdf(x, a[, loc, scale])

伽玛分布对数累积分布函数。

sf(x, a[, loc, scale])

伽玛分布生存函数。

logsf(x, a[, loc, scale])

伽玛分布对数生存函数。

jax.scipy.stats.gennorm#

cdf(x, beta)

广义正态分布累积分布函数。

logpdf(x, beta)

广义正态分布对数概率密度函数。

pdf(x, beta)

广义正态分布概率密度函数。

jax.scipy.stats.geom#

logpmf(k, p[, loc])

几何分布对数概率质量函数。

pmf(k, p[, loc])

几何分布概率质量函数。

jax.scipy.stats.laplace#

cdf(x[, loc, scale])

拉普拉斯分布累积分布函数。

logpdf(x[, loc, scale])

拉普拉斯分布对数概率密度函数。

pdf(x[, loc, scale])

拉普拉斯分布概率密度函数。

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 对数概率密度函数。

pdf(x[, loc, scale])

Logistic 概率密度函数。

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)

多项分布对数概率质量函数。

pmf(x, n, p)

多项分布概率质量函数。

jax.scipy.stats.multivariate_normal#

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

多元正态分布对数概率密度函数。

pdf(x, mean, cov)

多元正态分布概率密度函数。

jax.scipy.stats.nbinom#

logpmf(k, n, p[, loc])

负二项分布对数概率质量函数。

pmf(k, n, p[, loc])

负二项分布概率质量函数。

jax.scipy.stats.norm#

logpdf(x[, loc, scale])

正态分布对数概率密度函数。

pdf(x[, loc, scale])

正态分布概率密度函数。

cdf(x[, loc, scale])

正态分布累积分布函数。

logcdf(x[, loc, scale])

正态分布对数累积分布函数。

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])

帕累托分布对数概率密度函数。

pdf(x, b[, loc, scale])

帕累托分布概率密度函数。

jax.scipy.stats.poisson#

logpmf(k, mu[, loc])

泊松分布对数概率质量函数。

pmf(k, mu[, loc])

泊松分布概率质量函数。

cdf(k, mu[, loc])

泊松分布累积分布函数。

jax.scipy.stats.t#

logpdf(x, df[, loc, scale])

学生 T 分布对数概率密度函数。

pdf(x, df[, loc, scale])

学生 T 分布概率密度函数。

jax.scipy.stats.truncnorm#

cdf(x, a, b[, loc, scale])

截断正态分布累积分布函数。

logcdf(x, a, b[, loc, scale])

截断正态分布对数累积分布函数。

logpdf(x, a, b[, loc, scale])

截断正态分布对数概率密度函数。

logsf(x, a, b[, loc, scale])

截断正态分布对数生存函数。

pdf(x, a, b[, loc, scale])

截断正态分布概率密度函数。

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])

均匀分布对数概率密度函数。

pdf(x[, loc, scale])

均匀分布概率密度函数。

cdf(x[, loc, scale])

均匀分布累积分布函数。

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)

积分由高斯分布加权的分布。

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 中随机抽样数据集

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 分布对数概率密度函数。

pdf(x, kappa)

von Mises 分布概率密度函数。

jax.scipy.stats.wrapcauchy#

logpdf(x, c)

Wrapped Cauchy 分布对数概率密度函数。

pdf(x, c)

Wrapped Cauchy 分布概率密度函数。