NumPy(第五集：聚合操作)

NumPy聚合操作

需要掌握的函数

序号	函数	含义	示例
1	np.sum()	求和	np.sum(n)
2	np.max()	最大值	np.max(n)
3	np.max()	最小值	np.min(n)
4	np.mean()	平均值	np.mean(n)
5	np.average()	平均值	np.average(n)
6	np.percentile()	百分位数	np.percentile(n, q=50) q表示的是百分数
7	np.argmin()	最小值对应的下标	np.power(n, 3) # 求n的三次方
8	np.argmax()	最大值对应的下标	np.argmax(n) # 第一个最大值的下标
9	np.std()	标准差	np.argmin(n) # 第一个最小值的下标
10	np.var()	方差	np.var(n)
11	np.power()	次方，求幂	np.std(n)
12	np.argwhere()	按条件查找	np.argwhere(n == np.max(n)) # 按条件找到所有最大值的下标
13	np.nan~()	求带有NaN的数据	np.nanmax(n) # 最大值，如果数据中有NaN值会自动过滤

详解

NumPy的数据类型是一维或者多维的ndarray结构，下面我们对一维与二维数据为例

定义源数据

• 一维数据

n_1 = np.arange(10)

• 二维数据

n_2 = np.random.randint(0, 10, size=(3, 5))

1 np.sum():求和

• 一维数据

n_sum = np.sum(n_1)

• 二维数据

这里求的是整个二维数组的和

n_sum = np.sum(n_2)

对列求和

n_sum_l = np.sum(n_2, axis=0)

对行求和

n_sum_h = np.sum(n_2, axis=1)

2 np.max():最大值

• 一维数据

n_max = np.sum(n_1)

• 二维数据

这里求的是整个二维数组的最大值

n_2_max_all = np.max(n_2)

对列求最大值

n_2_max_l = np.max(n_2, axis=0)

对行求最大值

n_2_max_h = np.max(n_2, axis=1)

总结

其余聚合函数与求和、最大值的算法一样
axis=0时，对列进行操作
axis=1时，对行  进行操作

本文档纯纯用于自学，借鉴于个网站教学平台，如有不足，望指正