首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >SPC(Statistical Process Control 统计过程控制)图——Python+JS实现

SPC(Statistical Process Control 统计过程控制)图——Python+JS实现

作者头像
用户1637609
发布2022-09-27 08:18:41
1.1K0
发布2022-09-27 08:18:41
举报
文章被收录于专栏:马洪彪马洪彪

源码

https://github.com/carlosqsilva/pyspc https://github.com/carlosqsilva/ccharts-online

使用

demo地址: https://carlosqsilva.github.io/ccharts-online/

from pyspc import *

a = spc(pistonrings) + ewma()
print(a)

添加高亮规则

a + rules()

添加更多控制图

a + cusum() + xbar_sbar() + sbar()

包含有18个示例数据库,支持的自定义数据结构有nested lists (嵌套列表), numpy array (numpy数组 )或 pandas DataFrame(pandas 数据帧).

import numpy
from pyspc import *
fake_data = numpy.random.randn(30, 5) + 100
a = spc(fake_data) + xbar_rbar() + rbar() + rules()
print(a)

也可使用GUID,而非编码。(作为独立SPC分析工具可使用GUI,如果集成到应用程序等可使用代码)

$ python3 pyspc_gui.py

功能特点

变量

  • Mean and Amplitude
  • Mean and Standard Deviation
  • Individual Values and Moving Range 移动均值
  • Individual values with subgroups 子组
  • Exponentially Weighted Moving Average (EWMA)
  • Cumulative Sum (CUSUM)

特性

  • P Chart
  • NP Chart
  • C Chart
  • U Chart

多变量

  • T Square Hotelling
  • T Square Hotelling with SubGroup
  • Multivariate Exponentially Weighted Moving Average (MEWMA)

安装

$ pip install pyspc
本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2022-08-30,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 源码
  • 使用
  • 功能特点
    • 变量
      • 特性
        • 多变量
        • 安装
        领券
        问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档