2020-11-27

最新推荐文章于 2024-08-24 17:05:22 发布

rightgoon

最新推荐文章于 2024-08-24 17:05:22 发布

阅读量85

点赞数

分类专栏： numpy学习文章标签： numpy python

本文链接：https://blog.csdn.net/weixin_41545602/article/details/110224491

版权

numpy学习专栏收录该内容

10 篇文章 1 订阅

订阅专栏

统计相关

	code	note
最小值	`numpy.amin(a[, axis=None, out=None, keepdims=np._NoValue, initial=np._NoValue, where=np._NoValue])`	- axis=None,取array所有元素的最小 - axis=0,取每列最小 - axis=1,取每行最小
最大值	`numpy.amax(a[, axis=None, out=None, keepdims=np._NoValue, initial=np._NoValue, where=np._NoValue])`	同上
极差	`numpy.ptp(a, axis=None, out=None, keepdims=np._NoValue)`	同上
分位数	`numpy.percentile(a, q, axis=None, out=None, overwrite_input=False, interpolation='linear', keepdims=False)`	- q:分位点应该是介于0-100的float，可以是[q1,q2] - axis同上
中位数	`numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=False)`	axis同上
平均值	`numpy.mean(a[, axis=None, dtype=None, out=None, keepdims=np._NoValue)])`	axis
加权平均值	`numpy.average(a[, axis=None, weights=None, returned=False])`	weight应该是一个和a一样大小的array
方差	`numpy.var(a[, axis=None, dtype=None, out=None, ddof=0, keepdims=np._NoValue])`	- `ddof=0`:方差 - `ddof=1`:样本方差
标准差	`numpy.std(a[, axis=None, dtype=None, out=None, ddof=0, keepdims=np._NoValue])`	ddof和axis同上
协方差	`numpy.cov(m, y=None, rowvar=True, bias=False, ddof=None, fweights=None,aweights=None)`	默认计算样本协方差和样本方差
相关系数	`numpy.corrcoef(x, y=None, rowvar=True, bias=np._NoValue, ddof=np._NoValue)`	同上
分组位置	`numpy.digitize(x, bins, right=False)`Return the indices of the bins to which each value in input array belongs.	- bins：一维单调数组，必须是升序或者降序 - right：间隔是否包含最右 - 返回值：x在bins中的位置。

import numpy as np

np.random.seed(20200623)
x = np.random.randint(0, 20, size=[4, 5])
print(x)
# [[10  2  1  1 16]
#  [18 11 10 14 10]
#  [11  1  9 18  8]
#  [16  2  0 15 16]]

print(np.percentile(x, [25, 50]))  
# [ 2. 10.]

print(np.percentile(x, [25, 50], axis=0))
# [[10.75  1.75  0.75 10.75  9.5 ]
#  [13.5   2.    5.   14.5  13.  ]]

print(np.percentile(x, [25, 50], axis=1))
# [[ 1. 10.  8.  2.]
#  [ 2. 11.  9. 15.]]