numpy的统计函数

本文的主要内容是基于中国大学mooc（慕课）中的“Python数据分析与可视化”课程进行整理和总结。

常用统计函数（1）

sum(a,axis=None):根据给定轴计算数组a的相关元素之和，axis整数或元组；
mean(a,axis=None):根据给定轴计算数组a的相关元素的期望，axis整数或元组；
average(a,axis=None,weights=None):根据给定轴计算数组a的相关元素的加权平均值，axis整数或元组；
std(a,axis=None):根据给定轴计算数组a的相关元素的标准差；
var(a,axis=None):根据给定轴计算数组a的相关元素的方差；
axis=None是统计函数的标配参数，默认为None表示对数组中所有元素执行某种统计操作。
举例：

a = np.arange(15).reshape(3,5)
a

array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

np.sum(a)

105

np.mean(a,axis=0)

array([5., 6., 7., 8., 9.])

np.average(a,axis=0,weights=[10,5,1])

array([2.1875, 3.1875, 4.1875, 5.1875, 6.1875])

根据加权平均的定义可知第一个元素2.1875=（010+55+10*1）/（10+5+1）

np.std(a)

4.320493798938574

np.var(a)

18.666666666666668

常用统计函数（2）

min(a),max(a):计算数组a中的最大值和最小值；
argmin(a),argmax(a):计算数组a中最大值和最小值降一维后的下标；
unravel_index(index,shape):根据shape将一维下标index转换成为多维下标；
ptp(a):计算数组a中元素最大值与最小值之差；
median(a):计算数组a中元素的中位数（中值）；

a = np.arange(15,0,-1).reshape(3,5)
a

array([[15, 14, 13, 12, 11],
       [10,  9,  8,  7,  6],
       [ 5,  4,  3,  2,  1]])

np.max(a)

0

np.unravel_index(np.argmax(a),a.shape)

(0, 0)

可以看到，使用np.max(a)得到的最大元素索引是原数组a扁平化变为一维数数组之后的元素索引，配合使用np.unravel_index()方法可以得到数组a的目标元素值的二维索引。

np.ptp(a)

14

np.median(a)

8.0

此处中位数的运算又公式求得，结果为浮点数。