numpy知识大全二）科学操作

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,