.. image:: https://raw.githubusercontent.com/GAA-UAM/scikit-fda/develop/docs/logos/title_logo/title_logo.png :alt: scikit-fda: Python中的函数型数据分析

scikit-fda: Python中的函数型数据分析

函数型数据分析（FDA）是统计学中分析依赖于连续参数的数据的领域。

这个包提供了类、方法和函数，以支持Python中的FDA。它包括了广泛的工具来处理函数型数据及其表示、探索性分析或预处理，以及其他任务，如函数型数据的推断、分类、回归或聚类。有关包中包含的功能的更多信息，请参阅文档。

文档

文档可在 fda.readthedocs.io/en/stable/ <https://fda.readthedocs.io/en/stable/>_ 获取，其中包括包的不同模块、类和方法的详细信息，以及展示不同功能的多个示例。

最新版本的文档，对应于包的开发版本，可在 fda.readthedocs.io/en/latest/ <https://fda.readthedocs.io/en/latest/>_ 找到。

安装

目前，scikit-fda 可用于3.8及以上的Python版本，不受平台限制。稳定版本可以通过PyPI_安装：

.. code::

pip install scikit-fda

也可以从conda-forge获得： .. code::

conda install -c conda-forge scikit-fda

从源代码安装

可以通过克隆此仓库并进行手动安装来安装最新版本的包，该版本在develop分支中可用。

.. code:: bash

git clone https://github.com/GAA-UAM/scikit-fda.git
pip install ./scikit-fda

确保你的默认Python版本目前受支持，或者通过指定版本来更改python和pip命令，例如 python3.8：

.. code:: bash

git clone https://github.com/GAA-UAM/scikit-fda.git
python3.8 -m pip install ./scikit-fda

要求

scikit-fda 依赖于以下包：

fdasrsf <https://github.com/jdtuck/fdasrsf_python>_ - SRSF框架
findiff <https://github.com/maroba/findiff>_ - 有限差分
matplotlib <https://github.com/matplotlib/matplotlib>_ - Python绘图
multimethod <https://github.com/coady/multimethod>_ - 多重调度
numpy <https://github.com/numpy/numpy>_ - Python科学计算的基础包
pandas <https://github.com/pandas-dev/pandas>_ - 强大的Python数据分析工具包
rdata <https://github.com/vnmabus/rdata>_ - Python中.rda格式R数据集的读取器
scikit-datasets <https://github.com/daviddiazvico/scikit-datasets>_ - 兼容scikit-learn的数据集
scikit-learn <https://github.com/scikit-learn/scikit-learn>_ - Python中的机器学习
scipy <https://github.com/scipy/scipy>_ - Python中的科学计算
setuptools <https://github.com/pypa/setuptools>_ - Python打包

这些依赖项会自动安装。

引用scikit-fda

如果你在工作中发现这个软件有用，请引用以下论文：

.. code-block::

@article{ramos-carreno++_2024_scikit-fda, author = {Ramos-Carreño, Carlos and Torrecilla, José L. and Carbajo Berrocal, Miguel and Marcos Manchón, Pablo and Suárez, Alberto}, doi = {10.18637/jss.v109.i02}, journal = {Journal of Statistical Software}, month = may, number = {2}, pages = {1--37}, title = {{scikit-fda: A Python Package for Functional Data Analysis}}, url = {https://www.jstatsoft.org/article/view/v109i02}, volume = {109}, year = {2024} }

你还可以使用以下方式引用软件仓库本身：

.. code-block:: @misc{ramos-carreno++_2024_scikit-fda-repo, 作者 = {scikit-fda开发者团队}, doi = {10.5281/zenodo.3468127}, 月份 = 2月, 标题 = {scikit-fda: Python中的功能数据分析}, 网址 = {https://github.com/GAA-UAM/scikit-fda}, 年份 = {2024} }

如果您需要引用特定版本以便复现，请查看Zenodo中提供的版本特定DOI。