numpy常用统计方法

numpy常用统计方法

numpy常用统计方法：

• np.amin(), np.amax()

• np.ptp()

• np.percentile()

• np.median()

• np.mean()

• np.average()

• np.std(), np.var()

• np.sum()

np.amin()和np.amax()

numpy.amin() 计算数组中的元素沿指定轴的最小值

numpy.amax() 计算数组中的元素沿指定轴的最大值

import numpy as np 
 
a = np.array([[3,7,5],
              [8,4,3],
              [2,4,9]])  
print (a)
print ('--------------------')
# 返回矩阵a中每一行最小的元素
print (np.amin(a,1))
print ('--------------------')
# 返回矩阵a中每一列最小的元素
print (np.amin(a,0))
print ('--------------------')
# 返回矩阵a所有元素的最大值
print (np.amax(a))
print ('--------------------')
# 返回矩阵a中每一列最大的元素
print (np.amax(a, axis = 0))

运行结果：

np.ptp() 计算数组中最大值与最小值之差

import numpy as np 
 
a = np.array([[3,7,5],
              [8,4,3],
              [2,4,9]])  
print (a)
print ('--------------------')
# 最大值与最小值之差9-2=7
print (np.ptp(a))
print ('--------------------')
# 每行最大值与最小值之差
print (np.ptp(a, axis =  1))
print ('--------------------')
# 每列最大值与最小值之差
print (np.ptp(a, axis =  0))

运行结果：

np.percentile() 特定百分比所对应的值

• np.percentile(a, q, axis)
  a：输入数组
  q：要计算的百分位数，0~100之间
  axis：沿指定轴计算百分位数
  
  

import numpy as np 
 
a = np.array([[10, 7, 4],
             [3, 2, 1]])
print (a)
print ('--------------------') 
# 50% 的分位数，就是 a 里排序之后的中位数
print (np.percentile(a, 50)) 
print ('--------------------') 
# axis 为 0，沿列
print (np.percentile(a, 50, axis=0)) 
print ('--------------------')
# axis 为 1，沿行
print (np.percentile(a, 50, axis=1)) 
print ('--------------------') 
# 保持维度不变
print (np.percentile(a, 50, axis=1, keepdims=True))

运行结果：

np.median() 计算数组中元素的中位数

import numpy as np 
 
a = np.array([[30,65,70],
              [80,95,10],
              [50,90,60]])  
print (a)
print ('--------------------') 
# 计算所有元素中位数
print (np.median(a))
print ('--------------------') 
# 沿列计算元素中位数
print (np.median(a, axis =  0))
print ('--------------------') 
# 沿行计算元素中位数
print (np.median(a, axis =  1))

运行结果：

np.mean() 返回数组元素的算术平均值

import numpy as np 
 
a = np.array([[1,2,3],
              [3,4,5],
              [4,5,6]])  
print (a)
print ('--------------------') 
# 计算所有元素的算术平均值
print (np.mean(a))
print ('--------------------') 
# 沿列计算算术平均值
print (np.mean(a, axis =  0))
print ('--------------------') 
# 沿行计算算术平均值
print (np.mean(a, axis =  1))

运行结果：

np.average() 计算加权平均值

import numpy as np 
 
a = np.array([1,2,3,4])  
print (a)
print ('--------------------') 
# 未指定权重时，相当于mean
print (np.average(a))
print ('--------------------') 
# 指定的权重wts
wts = np.array([4,3,2,1])  
# 计算加权平均值
print (np.average(a,weights = wts))
print ('--------------------') 
# 如果 returned 参数设为 true，则返回权重的和  
print (np.average([1,2,3,4],weights =  [4,3,2,1], returned =  True))

运行结果：

多维数组情况下，可指定用于计算的轴

import numpy as np 
 
a = np.arange(6).reshape(3,2)  
print (a)
print ('--------------------')
# 权值
wt = np.array([3,5]) 
# 沿行
print (np.average(a, axis =  1, weights = wt))
print ('--------------------')
# 沿行，并返回权重的和
print (np.average(a, axis =  1, weights = wt, returned =  True))

运行结果：

np.std(), np.var()

标准差是一组数据平均值分散程度的度量。标准差的平方=方差。

import numpy as np 
#标准差 
print (np.std([1,2,3,4]))
print ('--------------------')
#方差
print (np.var([1,2,3,4]))

运行结果：

np.sum() 数组求和

arr = np.arange(10).reshape(5,2)
print(arr)
print('--------------')
print(np.sum(arr))
print('--------------')
print(np.sum(arr, axis=0))
print('--------------')
print(np.sum(arr, axis=1))

运行结果：