差分和累计求和
np.diff(a, n=1, axis=-1, prepend=<no value>, append=<no value>)
np.cumsum(a, axis=None, dtype=None, out=None)
ndarray.cumsum(axis=None, dtype=None, out=None)
diff用于计算元素之间的差值,cumsum用于计算axis方面的累计求和
四舍五入
numpy.floor 向下取整
numpy.trunc 取整
numpy.ceil 向上取整
numpy.round 四舍五入
numpy.around 四舍五入
numpy.rint 四舍五入为整数
numpy.fix 取接近0的整数
在四舍五入情况下,5的划分看是否偶数的哪个数
计算平均数
numpy.average(a,axis=None,weights=None,returned=False,*,keepdims=<no value>,)
numpy.mean(a,axis=None,dtype=None,out=None,keepdims=<no value>,*,where=<no value>,)
ndarray.mean(axis=None,dtype=None,out=None,keepdims=<no value>,*,where=<no value>,)
average可以设置计算时值的权重,mean不行,但是mean可以设置数据类型,
计算中位数
np.median(a, axis=None, out=None, overwrite_input=False, keepdims=False)
overwrite_input表示在计算过程中是否操作原数组,如果操作原数据,会减少内存消耗和增加计算速度
求和
numpy.sum(a,axis=None,dtype=None,out=None,keepdims=<no value>,initial=<no value>,where=<no value>,)
ndarray.sum(axis=None, dtype=None, out=None, keepdims=False, initial=0, where=True)
计算标准差
numpy.std(a,axis=None,dtype=None,out=None,ddof=0,keepdims=<no value>,*,where=<no value>,)
ndarray.std(axis=None, dtype=None, out=None, ddof=0, keepdims=False, *, where=True)
ddof表示自由度,