1 个不稳定版本
| 0.1.0 | 2024年2月25日 |
|---|
#554 in 数学
52 每月下载量
245KB
5K SLoC
std-dev
您处理任何数量数据的瑞士军刀。适用于工业和教育目的。
此代码库经过良好文档化并添加注释，旨在向公众展示数据分析的精彩算法。
我们正在不断扩展，但到目前为止，以下功能已实现。
- 标准差，适用于泛型切片和聚类。
- 对于大型数据集，具有有限值选项的快速中位数和均值（聚类）
- O(n) - 线性时间 - 算法，适用于任意泛型列表（任何类型的数字）和聚类
- 百分位数
- 中位数
- 标准差
- 均值
- 百分位数
- 普通最小二乘法，用于线性和多项式回归
- 简单的（O(n²)）Theil-Sen 估计量，用于线性和多项式回归（O(n^(m)，其中 m 是度 + 1)）
- 指数/增长和幂回归，具有对负数的**正确处理**（大多数其他应用程序默默地忽略它们）
- 如果你不知道要使用哪种回归模型，可以使用“最佳拟合”方法
- （二进制）一个基本的绘图功能，用于预览与输入数据相关的方程式
用法
此应用程序支持将其用作 库（带有可选的 cargo 功能）、交互式 CLI 程序，以及通过 管道 将数据传入，通过标准输入。
它接受任何以逗号或空格分隔的值。支持科学计数法。这是设计上简约的，因为其他程序可能在处理数据之前用于生成/修改数据。
Shell 完成功能
使用子命令 completion，std-dev 会自动为您生成 shell 完成功能，并尝试将它们放在适当的位置。
当使用 Bash 或 Zsh 时，您应作为 root 运行 std-dev，因为我们需要 root 权限才能写入它们的完成目录。或者，使用 --print 选项来自动生成完成文件。
Cargo 功能
当作为库使用时，我建议禁用所有功能（除了base）(std-dev = { version = "0.1", default-features = false, features = ["base"] })，并启用您需要的功能。
bin（默认，二进制功能）：这使二进制文件可以编译。prettier（默认，二进制功能）：使二进制输出更美观。包括颜色和交互式使用的提示。completion（默认，二进制功能）：启用生成shell补全的能力。regression（默认，库和二进制功能）：启用所有回归估计器。这需要nalgebra，它提供线性代数。ols（默认，库功能）：启用OLS的使用，它是“默认”估计器。这还启用多项式Theil-Sen（度数>2）和best_fit函数中的多项式回归。arbitrary-precision（默认，库功能）：使用任意精度代数进行>10度多项式回归。percentile-rand（默认，基础，库功能）：启用与百分位数相关的函数推荐的pivot_fn。simplify-fraction（默认，基础，库功能）：简化分数。放宽分数输入的要求并实现分数的Eq和Ord。generic-impls（默认，基础，库功能）：使mean、standard_deviation和百分位数解析通用于数字。这使您能够无障碍地使用来自其他库的数值类型。
文档
主分支的文档可以在doc.icelk.dev找到。
要使用有关启用代码的cargo功能的文档设置环境变量RUSTDOCFLAGS为--cfg docsrs（例如在Fish中set -x RUSTDOCFLAGS "--cfg docsrs")然后运行cargo +nightly doc。
性能
这个库旨在尽可能快，同时保持代码易于阅读。
聚类
由于所有算法现在都是线性时间执行的，这个功能不是很有用，但仍然是一个有趣的功能。如果您已经拥有聚类数据，这个功能很棒。
当使用聚类功能（将您的列表转换为ClusterList）时，计算是按唯一值进行的。比如说，您有一个婴儿身高的数据集，以厘米为单位。这可能只有大约40个不同的值，但可能有数百万条记录。使用聚类，所有这些数据仅以O(40)进行处理，而不是O(数百万)。 （我知道这种表示法不正确，但您能理解我的意思）。
创建这个聚类涉及到将所有值添加到一个映射中。这需要O(n)的时间，但与其他所有算法相比非常慢。创建后，此库中的大多数操作都以O(m)的时间执行，其中m是唯一值的数量。
依赖关系
~0-12MB
~95K SLoC