Numpy统计计算

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；