一 . 统计函数
1. 求平均值
m1.mean()
如果想求得某一纬度的均值 , 内部参数轴 可设置 axis=0 or 1 , 0为 从上到下 1为从左到右
2. 求中位数
np.median(arr)
3.求标准差、方差
np.std(arr)
np,var(arr)
4.最值
m1.max()
m1.min()
可设置 axis 轴
5.求和
m1.sum()
axis
6.加权平均数
np.average(arr,axis,weights=c,returned=False)
c=np.array([ ]) 权重
二 . 随机数
1.
① np.random.rand() 代表 [ 0 , 1 )
rand(维度)
② randn() 标准正态分布
③ randint(low , high ,size=None,dtype=' ' )
④ sample(size)浮点数 [ 0.0 , 1.0)
⑤ normal(loc=0.0,scale=1.0,size=) 正态分布
loc 均值
scale 标准差
2.随机种子
使用不同的种子值 ,则每次生成的随机数不同
如果需要两次随机数都相同, 需要两次调用相同 种子值
np.random.seed(2)
arr1=np.random.normal(loc=5,scale=2.0,size=(5,5))
np.random.seed(2)
arr2=np.random.normal(loc=5,scale=2.0,size=(5,5))
print(arr1)
print('='*10)
print(arr2)
[[4.16648431 4.88746635 0.72760781 8.28054162 1.41312883]
[3.31650527 6.00576283 2.50942383 2.88409556 3.18198477]
[6.10290809 9.58441603 5.08307879 2.76414911 6.07811664]
[3.8076806 4.96173901 7.35000244 3.5042581 5.0180505 ]
[3.24378421 4.68713166 5.5131409 3.0224419 4.32235607]]
==========
[[4.16648431 4.88746635 0.72760781 8.28054162 1.41312883]
[3.31650527 6.00576283 2.50942383 2.88409556 3.18198477]
[6.10290809 9.58441603 5.08307879 2.76414911 6.07811664]
[3.8076806 4.96173901 7.35000244 3.5042581 5.0180505 ]
[3.24378421 4.68713166 5.5131409 3.0224419 4.32235607]]
三 . 其他函数
① resize(arr,shape) 有返回值,不改变原有数组 原有数组数据补齐
resize(shape,refcheck=False) 无返回值 0补齐
② append(arr , values, axis=)
axis= None 数组平铺展开追加数据 输出一维数组
axis= 0 追加行
axis= 1 追加列
对应轴的数据 形状应该相同 否则会报错
③ insert(arr,obj,values,axis)在索引值之前插入
obj 索引值
axis= None 数组平铺展开插入数据 输出一维数组
axis= 0 插入行
axis= 1 插入列
④delete(arr,obj,axis)
展开删除 不能用切片形式
⑤ argwhere(条件)
返回非零元素的索引
二维数组返回坐标
⑥unique()
去重去重然后自动排序(升序)
IND=np.unique(arr,return_indedx=True,return_counts=True)
return_indedx 返回原数据的索引
return_counts 返回原数据出现的次数
np.argmax(ind) 找到最大值索引 所对应的值
⑦sort(arr,axis,kind,order)
np.sort(arr) 不会更改原有数组
arr.sort() 更改原有的数组
aixs=0 列
axis=1 行
np.argsort()返回排序后原有数据的下标
np.argsort()[::-1] 降序
np.argsort()[:: 1] 升序
⑧ in1d 方法
numpy.in1d(测试数组,目标数组) 用来判断测试数组中的元素是否存在于目标数组中的数组
返回一个布尔值数组
arr1=np.array([[2,5,2],[6,5,8],[3,2,8]])
arr2=np.array([52,9,45,6])
c=np.in1d(arr2,arr1)
print(c)
[False False False True]