sum(L)求和
或者np.sum(L),后者效率高
np.min(L)
np.max(L)
每一行的和
np.sum(X,axis=0)
每一列的合
穿的是1就是每一行的和
可以理解成穿的是多少,就是把这个轴压缩掉(官方说是沿着这个轴)
np.prod(X)是所有乘积
np.mean(X)平均值
np.median(X)是中位数
np.percenttile(big_array,q=50)
在这组数据中50%的数是小于返回值
var是求方差
std是标准差
sum(L)求和
或者np.sum(L),后者效率高
np.min(L)
np.max(L)
每一行的和
np.sum(X,axis=0)
每一列的合
穿的是1就是每一行的和
可以理解成穿的是多少,就是把这个轴压缩掉(官方说是沿着这个轴)
np.prod(X)是所有乘积
np.mean(X)平均值
np.median(X)是中位数
np.percenttile(big_array,q=50)
在这组数据中50%的数是小于返回值
var是求方差
std是标准差