Python数据分析Numpy系列之4:统计相关函数

这篇博客介绍了使用Numpy进行数据分析时的几个关键统计函数:np.sum()用于求和,np.cumsum()实现累积求和,np.percentile()计算百分位数,np.ptp()则用于获取数组的极差。除此之外,还提到了max和median等其他统计函数。内容鼓励读者通过实践操作来提升Python数据分析能力。
摘要由CSDN通过智能技术生成

该系列的第4篇内容是关于通过Numpy进行统计。

1、求和

在Python中,Numpy库中的np.sum()函数用于计算数组中元素的总和。

例如:

import numpy as np``arr = np.array([1, 2, 3, 4, 5])``total_sum = np.sum(arr)``print(total_sum)

输出结果为:15

import numpy as np``arr = np.array([[1, 2], [3, 4]])``沿行求和 = np.sum(arr, axis = 0)``沿列求和 = np.sum(arr, axis = 1)``print(沿行求和)``print(沿列求和)

输出结果为:

[4 6]``[3 7]

2、累积求和

在Python中,Numpy库中的np.cumsum()函数用于计算数组元素的累积和。np.cumsum()函数返回一个新的数组,其中每个元素是原始数组对应位置之前所有元素的累积和。

例如:

import numpy as np``arr = np.array([1, 2, 3, 4, 5])``cumulative_sum = np.cumsum(arr)``print(cumulative_sum)

输出结果为:

[ 1  3  6 10 15]
  • 4
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值