replicate_compare — DRIVE `grind` op

• Data kinds: any → table

• Call: import fullseye as fs; fs.ledger.replicate_compare(groups: 'dict', log: 'bool' = True) -> 'dict' (implementation को सीधे call करना हो तो import grind; grind.replicate_compare(groups: 'dict', log: 'bool' = True) -> 'dict', registry से लेना हो तो opsdrive.get("replicate_compare"))

उपयोग

स्वतंत्र trial के बीच के बिखराव और group (सामग्री) के बीच के अंतर को एक ही पैमाने पर साथ रखता है।

groups: नाम → (n_runs, n_conditions) की सरणी (उदा. हर सामग्री के लिए 3 बार × 7 समय-बिंदुओं का D50)। सभी समूहों में n_conditions समान है। log=True ln लेकर तुलना करता है (आकार-अनुपात का बिखराव = विचरण गुणांक के निकट)। रिटर्न: spread (समूह → हर शर्त के mean, sd, cv (SD/औसत, मूल पैमाना), cv_pooled (cv का वर्ग-माध्य-मूल), cv_max), separation (समूह-युग्म → हर शर्त का |Δ平均| / √(SE₁² + SE₂²) (SE = SD/√n) और उसका न्यूनतम min_z; कुंजियाँ "名前1|名前2" रूप की स्ट्रिंग हैं)। 2 से कम प्रयास → ValueError।

संदर्भ (sample data, साहित्य)

• Sample data catalog (DL URL / license) — 2-D के लिए skimage.data (BSD/public) + synthetic, 3-D के लिए real data sources (Stanford/PDS आदि) के DL URL।

• Operators का स्रोत और संदर्भ — इस op family के मूल research/methods के स्रोत।

• Algorithm का मानक स्रोत (लेखक, वर्ष) और उपयोग ऊपर की family usage guide में दिए गए हैं।

चलाए जा सकने वाले उदाहरण (verified samples जो सच में यह op call करते हैं)

• poc_powder_grinding_ae — py -3.11 examples/poc_powder_grinding_ae.py

वे अगले ops जिनसे type जुड़ता है (`table` को input के रूप में लेते हैं)

course_layout · course_occupancy · course_contains · world_build · world_camera · world_move · lidar_scan · rss_longitudinal_same

इसी category के (`grind`)

particle_size_read · particle_size_dx · particle_size_oversize · particle_size_synth · comminution_energy · comminution_law_fit · breakage_first_order_fit · ae_read_csv

*Provenance: grind.py — DRIVE operator registry. यह per-op note tools/opdocs.py md से अपने-आप generate होता है (हाथ से edit न करें)।*

replicate_compare — DRIVE grind op