数据分析numpy ndarry属性与常用指标

最新推荐文章于 2024-04-30 15:39:45 发布

YPL_ZML

最新推荐文章于 2024-04-30 15:39:45 发布

阅读量602

点赞数

分类专栏：数据分析

本文链接：https://blog.csdn.net/YPL_ZML/article/details/93232080

版权

本文详细探讨了数据分析中至关重要的Python库NumPy，特别是其核心数据结构ndarray的属性。从形状、类型、大小到元素访问，逐一剖析这些属性如何影响数据分析效率。同时，文章介绍了计算数据常用指标的方法，如平均值、标准差和中位数，帮助读者更好地理解和应用NumPy进行高效的数据处理。

摘要由CSDN通过智能技术生成

import numpy as np

# ndarry属性

# ndim shape size itemsize dtype

# 先去创建一个ndarry --借用列表去创建一个arry
arr = np.array([1,2,3,4,5,6])
print("arr:", arr)
print("arr 维度:", arr.ndim)
print("arr: 形状", arr.shape)
print("arr: 大小", arr.size)
print("arr:数据类型", arr.dtype)
print("arr: 元素大小", arr.itemsize)

在这里插入图片描述

import numpy as np


# 创建一个数组
arr = np.arange(4).reshape(2, 2)
# print(arr)

# 按照纵向计算
print('按照纵轴求和：', np.sum(arr, axis=0))
print('arr的均值：', np.mean(arr,axis=0))
print('arr的标准差：', np.std(arr, axis=0))
print('arr的方差：', np.var(arr, axis=0))
print('arr的最小值：', np.min(arr, axis=0))
print('arr的最大值：', np.max(arr, axis=0))
print('arr的最小值下标：', np.argmin(arr, axis=0))
print(