numpy(统计相关)

次序统计

• 求最小值np.amin（）

x = np.array([[11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25],
              [26, 27, 28, 29, 30],
              [31, 32, 33, 34, 35]])
 np.amin(x, axis=0)
 [11 12 13 14 15]

• 求最大值np.amax()

x = np.array([[11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25],
              [26, 27, 28, 29, 30],
              [31, 32, 33, 34, 35]])
np.amax(x, axis=0)
[31 32 33 34 35]
              

• 求极差 np.ptp()
  沿轴的值范围(最大值-最小值)

x = np.random.randint(0, 20, size=[4, 5])
[[ 0 13 10 17  7]
 [10  0 12  1  9]
 [18 19  1  2 12]
 [ 7  2 10  0  9]]
 np.ptp(x,axis=0)
 18 19 11 17  5]

• 求分位数np.percentile(a,q)
  返回数组元素的第q个百分位
  q:位于0-100，用于计算是几分位参数

均值与方差

• 求中位数
  返回数组元素的中值

x = np.random.randint(0, 20, size=[4, 5])
[[ 0 13 10 17  7]
 [10  0 12  1  9]
 [18 19  1  2 12]
 [ 7  2 10  0  9]]
np.median(x,axis=0)
[ 8.5  7.5 10.   1.5  9. ]

• 求平均值np.mean()
  沿轴的元素的总和除以元素的数量

x = np.random.randint(0, 20, size=[4, 5])
[[19  6  8  9  8]
 [13 12  7 19  6]
 [13 12 17  2 11]
 [ 5  0 12 16  9]]
 np.mean(x,axis=0)
 [12.5  7.5 11.  11.5  8.5]

• 求加权平均值
  注：加权平均值即将各数值乘以相应的权数,然后加总求和得到总体值,再除以总的单位数
  np.average(a,aixs=,weights=,returned=)
  沿指定轴计算加权平均值
  mean,average:计算均值的函数
  在不赋予权重比时，二者一样。赋予后average可以计算加权平均值

未赋予时：
np.average(x,axis=0)
[12.5  7.5 11.  11.5  8.5]
赋予权重：
依据于数组本身，赋权重，不能超出
y = np.arange(1, 21).reshape([4, 5])
[[ 1  2  3  4  5]
 [ 6  7  8  9 10]
 [11 12 13 14 15]
 [16 17 18 19 20]]
 z = np.average(x, axis=0, weights=y)
 [ 9.41176471  6.31578947 12.30952381 11.7173913   8.9       ]

• 求方差np.var(x)
  沿指定轴计算方差
  注：方差和样本方差的无偏估计，方差公式中分母上是n；样本方差则是分母上是n-1（n为样本个数）
  ddof:自由度个数

np.var(x) 等价于 np.mean((x - np.mean(x)) ** 2)
25.860000000000003
np.var(x, ddof=1) 等价于 np.sum((x - np.mean(x)) ** 2) / (x.size - 1)

• 求标准差
  一组数据平均值分散程度的一种度量，是方差的算术平方根

np.std(x) 等价于 np.sqrt(np.var(x))
5.0852728540364485