Python基础之numpy

常见数组的基本统计方法：

方法	说明
sum	对数组中的全部或某个抽向元素进行求和
std、mean、var	求标准差、均值、方差
argmin、argmax	最小值索引、最大值索引
cumsum、cumprod	所有元素累积和、累积积

生成简单随机数的函数及参数和描述：

函数	参数和描述
rand	d0,d1,…,dn：生成半开区间[0,1)内的多维随机数
randn	d0,d1,…,dn：生成来自标准正态分布的多个样本
randint	low[,high,size]：生成半开区间[low,high)内的随机数
choice	a[,size,replace,p]：生成在给定的一位数组中的随机样本
bytes	length：生成随机字节

**知识扩展：matplotlib的hist函数:函数内容
matplotlib.pyplot.hist(x, bins=None, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype=’bar’, align=’mid’, orientation=’vertical’, rwidth=None, log=False, color=None, label=None, stacked=False, hold=None, data=None, **kwargs)

参数详解
x : (n,) array or sequence of (n,) arrays(可以是一个array也可以是多个array)

（1）integer or array_like or ‘auto’, optional(可以是整型来设置箱子的宽度,也可以是array,指定每个箱子的宽度)
（2）bins : array(箱子的边界)
（3）range : tuple or None, optional(设置显示的范围,范围之外的将被舍弃)
（4）normed : boolean, optional(?)是否将得到的直方图向量归一化
normed=True表示正则化直方图，即归一化（即求频率）
（5）weights : (n, ) array_like or None, optional(?)
（6）cumulative : boolean, optional(?)
（7）bottom : array_like, scalar, or None(?)
（8）histtype : {‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’}, optional(选择展示的类型,默认为bar)
（9）align : {‘left’, ‘mid’, ‘right’}, optional(对齐方式)
（10）orientation : {‘horizontal’, ‘vertical’}, optional(直方图方向)
（11）log : boolean, optional(log刻度)
（12）color : color or array_like of colors or None, optional(颜色设置)
（13）label : string or None, optional(刻度标签)
（14）stacked : boolean, optional(?)函数返回值
（15）n : array or list of arrays(箱子的值)
（16）patches : list or list of lists**

举个栗子：

import numpy
import matplotlib.pyplot as plt

size=1000
rn1=npr.rand(size,2)
rn2=npr.randn(size)
rn3=npr.randint(1,10,size)
rang=[0,10,20,30,40]
rn4=npr.choice(rang,size=size)

fig,((ax1,ax2),(ax3,ax4))=plt.subplots(nrows=2,ncols=2,figsize=(10,10))
ax1.hist(rn1,bins=25,stacked=True)
ax1.set_title('rand')
ax1.set_ylabel('frequency')
ax1.grid(True)

ax2.hist(rn2,bins=25)
ax2.set_title('randn')
ax2.grid(True)

ax3.hist(rn3,bins=25)
ax3.set_title('randint')
ax3.grid(True)
ax3.set_ylabel('frequency')

ax4.hist(rn4,bins=25)
ax4.set_title('choice')
ax4.grid(False)

结果展示：

再举个栗子：（将下列分布的随机数进行可视化）
（1）n=100,p=0.3的二项分布
（2）均值为10，标准差为2的正态分布
（3）自由度为0.5的卡方分布
（4）lamda为2的泊松分布

rn5=npr.binomial(100,0.3,size)
rn6=npr.normal(10,20,size)
rn7=npr.chisquare(0.5,size)
rn8=npr.poisson(2.0,size)

fig,((ax1,ax2),(ax3,ax4))=plt.subplots(nrows=2,ncols=2,figsize=(10,10))
ax1.hist(rn5,bins=25,stacked=True)
ax1.set_title('binomial')
ax1.set_ylabel('frequency')
ax1.grid(True)

ax2.hist(rn6,bins=25)
ax2.set_title('normal')
ax2.grid(True)

ax3.hist(rn7,bins=25)
ax3.set_title('chisquare')
ax3.grid(True)
ax3.set_ylabel('frequency')

ax4.hist(rn8,bins=25)
ax4.set_title('poisson')
ax4.grid(False)

结果展示：