Numpy基础教程—统计方法

本教程适合于numpy基础入门，更多详尽内容请阅读官网http://www.numpy.org/，此篇为numpy基础学习教程系列之统计方法篇，倾向于实践用法，后续还会推出一系列numpy其它方面的教程，欢迎广大圈友一起交流学习，并指出其中的错误。

 

注意：以下np为import numpy as np中的np标识符

 

 

加权平均

 

np.average(c,weights=None)

    weights: 为权重参数，如果省略此参数，表示权重相等，等价于求算术平均

 

 

 

算术平均

np.mean(array)：求数组array的算术平均值，如果array是ndarray对象，也可以用array.mean()方法求平均值。

 

求最大值

 

np.max(a, axis=None, out=None,keepdims=False)：求序列的最值

    参数：axis默认为列方向（即axis=0），axis=1时为行方向

>>>np.max(np.arange(100))

99

np.maximum(X, Y, out=None)：X与Y逐位比较取其大者

    参数：最少接收两个参数，接收的两个参数可以大小一致，如果第二个参数为一个单独的数值时，利用到了broadcast。

a = np.array([1,23,65,7,98])
b = np.array([2,43,21,5,76])
c = np.maximum(a,b)

d = np.maximum(a,30)

结果：[ 2 43 65  7 98]

 

[30 30 65 30 98]

 

 

求最小值

 

np.min(()

>>>np.min(np.arange(100))

0

np.maximum函数的功能与np.maximum类似

 

求取值范围

np.ptp(array)：计算数组的取值范围，返回值等于np.max(array)-np.min(array)

 

求中位数

np.median(array)：获取数组array的中位数

 

求数组的方差与标准差

 

np.var(array)：求数组array的方差

注意：总体方差是用数据个数去除离差平方和，而样本方差则是用样本数据
个数减1 去除离差平方和，其中样本数据个数减1 （即n-1 ）称为自由度。之所以有这样的差别，是为了保证样本方差是一个无偏估计量。

 

np.std(array)：计算数组array的标准差