计算最小值
numpy.amin(a[, axis=None, out=None, keepdims=np._NoValue, initial=np._NoValue, where=np._NoValue]),即返回数组的最小值或沿轴的最小值
我们发现当,axis= 0和 axis=1时,是沿着轴进行操作。
计算最大值
numpy.amax(a[, axis=None, out=None, keepdims=np._NoValue, initial=np._NoValue, where=np._NoValue])
返回数组的最大值或是,沿着轴的最大值。
计算极差
numpy.ptp(a, axis=None, out=None, keepdims=np._NoValue)
沿轴的值范围(最大值-最小值)
计算分位数
numpy.percentile(a, q, axis=None, out=None, overwrite_input=False, interpolation=‘linear’, keepdims=False)
a:array,用来算分位数的对象,可以是多维的数组。
q:介于0-100的float,用来计算是几分位的参数,如四分之一位就是25,如要算两个位置的数就[25,75]。
axis:坐标轴的方向,一维的就不用考虑了,多维的就用这个调整计算的维度方向,取值范围0/1。
定义上来说就是
计算沿指定轴的数据的第q个百分位数。返回数组元素的第q个百分点。
计算中位数
numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=False)
计算沿指定轴的中位数。返回数组元素的中位数。
计算平均值
numpy.mean(a[, axis=None, dtype=None, out=None, keepdims=np._NoValue)])
mean和average都是计算均值的函数
沿轴的总和除以所有的数量,沿指定轴计算算术平均值。
计算加权平均值
numpy.average(a[, axis=None, weights=None, returned=False])指定权重后,average可以计算加权平均值。
将各数值乘以相应的权数,然后加总求和得到总体值,再除以总的单位数。
计算指定轴上的加权平均值
计算方差
numpy.var(a[, axis=None, dtype=None, out=None, ddof=0, keepdims=np._NoValue])Compute the variance along the
计算沿指定轴的方差。
ddof=0:是“Delta Degrees of Freedom”,表示自由度的个数
计算标准差
即算术平方根
import numpy as np
x = np.array
y = np.std(x)
print(y)
y = np.sqrt(np.var(x)
print(y)
y = np.std(x, axis=1)
print(y)
y = np.std(x, axis=0)
print(y)
直方图和相关系数
numpy.digitize(x, bins, right=False)
x:numpy数组
bins:一维单调数组,必须是升序或者降序
right:间隔是否包含最右
返回值:x在bins中的位置。
程序1
程序2
返回输入数组中每个值所属的(一维数组即单调且是上升或下降)的索引
习题
计算给定数组中每行的最大值。
a = np.random.randint(2, 9, [1, 3])
在二维numpy数组的每一行中找到最大值,如下程序所示;