NumPy统计函数的实现方法
numpy.amin()和numpy.amax()
numpy.amin()用于计算数组中元素沿着指定轴的最小值。
numpy.amax()用于计算数组中元素沿着指定轴的最大值
a=np.array([1,3,6],[3,4,11],[6,1,4]) print(np.amin(a,1) #每行最小值 print(np.amin(a,0) #每列最小值 print(np.amax(a) #所有元素中最大值 print(np.amax(a,1)) #j每行的最大值
结果:
[1 3 1]
[1 1 4]
11
[ 6 11 6]
numpy.ptp()
用来计算数组中元素的最大值与最小值的差(最大值-最小值)。
numpy.percentile()
表示百分比
numpy.percentile(a,q,axis)
- a:输入数组
- q:要计算的百分位数
- axis:沿着它计算百分位数的轴
对于一个数组,我们设置它的百分位数为20,则我们可以推算出在该数组排序中在百分之20上的值是多少,例如:
percentail百分数 a = np.array([[21, 60, 4], [10, 20, 1]]) print('数组a:') print(a) print('调用 percentile() 函数:') 50% 的分位数,就是 a 里排序之后的中位数 print(np.percentile(a, 20)) axis 为 0,在纵列上求 print(np.percentile(a, 20, axis=0)) axis 为 1,在横行上求 print(np.percentile(a, 20, axis=1)) 保持维度不变 print(np.percentile(a, 20, axis=1, keepdims=True))
结果:
数组a:
[[21 60 4]
[10 20 1]]
调用 percentile() 函数:
4.0
[12.2 28. 1.6]
[10.8 4.6]
[[10.8]
[ 4.6]]Process finished with exit code 0
标准差
std=sqrt(mean((x-x.mean()) * * 2)
其中mean((x-x.mean()) * * 2)是指每个样本与全体样本值的平均数之差,即方差,标准差就是方差的平方根。
其它统计函数
numpy.mediam()
用于计算数组a中元素的中位数
numpy.average()
将各数值乘以相应的权数,然后加总求和得到总体值,再除以总的单位数。即用来计算加权平均数
numpy.mean()
返回数组元素的算术平均值
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
相关文章
python按顺序重命名文件并分类转移到各个文件夹中的实现代码
这篇文章主要介绍了python按顺序重命名文件并分类转移到各个文件夹中,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-07-07使用pandas实现csv/excel sheet互相转换的方法
今天小编就为大家分享一篇使用pandas实现csv/excel sheet互相转换的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧2018-12-12Python Collections库的高级功能使用示例详解
Python的collections库提供了一系列有用的数据类型,扩展了内建的数据类型,为开发者提供了更多高级功能,本文将深入探讨collections库的一些高级功能,通过详细的示例代码演示,帮助大家更好地理解和应用这些功能2023-12-12
最新评论