前言
NumPy是一个强大的Python库,提供了许多用于数值计算的函数和工具。在数据分析和科学计算中,统计函数是非常重要的工具之一。其中,算数平均数、标准差和方差是常用的统计函数,可以帮助我们更好地理解和分析数据。本文将介绍NumPy中常用的这几个统计函数的用法和功能,帮助读者更好地利用NumPy进行数据分析和处理。
1.算数平均数mean()
理解:算数平均数是所有元素的总和除于元素的数量
函数格式:
mean(a[,axis=None])
代码书写:
import numpy as np
#算数平均数
arr=np.arange(12).reshape(3,4)
a=np.mean(arr)
b=np.mean(arr,axis=0)
c=np.mean(arr,axis=1)
print(a,b,c) #5.5 [4. 5. 6. 7.] [1.5 5.5 9.5]
2.标准差std()
理解:标准差也称为标准偏差,其定义是总体中个体中的标准值于其平均数离差平方的算术平均数的平方根,他反映组内个体间的离散程度,标准差越大,数据的波动性也就越大;标准差越小,数据的波动性也就越小。
代码格式:
numpy.std(a[,axis=None])
- a:输入数据
- axis:指定沿某个轴计算标准值,axis=0表示按列,axis=1表示按行,默认值为None表示对整个数组
代码书写:
import numpy as np
#标准差
arr=np.arange(12).reshape(3,4)
a=np.std(arr)
b=np.std(arr,axis=0)
c=np.std(arr,axis=1)
print(a,b,c)
#3.452052529534663 [3.26598632 3.26598632 3.26598632 3.26598632]
#[1.11803399 1.11803399 1.11803399]
3.方差var()
理解:方差是元素元素的平均数差的平方的平均数 mean(abs(x-x.mean())**2)
代码格式:
numpy.var(a,[,axis=None,dtype=None])
- a:输入数据
- axis:指定沿某个轴计算方差,axis=0表示按列,axis=1表示按行,默认值为None表示对整个数组
- dtype:数据类型
import numpy as np
arr=np.arange(12).reshape(3,4)
a=np.var(arr)
c=np.var(arr,axis=0)
b=np.var(arr,axis=1)
print(a,b,c) #11.916666666666666 [1.25 1.25 1.25] [10.66666667 10.66666667 10.66666667 10.66666667]
本篇文章就到这里,大家一起努力学习,加油!