03 numpy数学统计方法和axis的用法

一维数组

#沿轴向进行计算，一维数组只有一个0轴
import numpy as np
a = np.array([1,2,3,4,3,5,3,6])
print(f'数组：{a}')
print(np.sum(a))
print(np.prod(a))
print(np.cumsum(a)) # 从0开始元素的累积和
print(np.cumprod(a)) # 从1开始元素的累积积
print(np.max(a))
print(np.min(a))
print(np.argmax(a)) # 最大值所在的下标
print(np.argmin(a)) # 最小值所在的下标
print(np.mean(a)) # 平均数
print(np.median(a)) # 中位数
print(np.average(a)) # 加权平均
counts = np.bincount(a) # 统计非负整数的个数，不能统计浮点数
print(np.argmax(counts)) # 返回众数,此方法不能用于二维数组

#Numpy中没有直接的方法求众数，但是可以这样实现：
import numpy as np
# bincount（）：统计非负整数的个数，不能统计浮点数
counts = np.bincount(nums)
#返回众数
np.argmax(counts)

二维数组

import numpy as np
from scipy import stats
a = np.array([[1,3,6],[9,2,3],[2,3,3]])
print(f'数组：\n{a}')
print('-'*30)
print(np.sum(a))
print(np.prod(a))
print(np.cumsum(a)) # 从0开始元素的累积和，返回一维数组
print(np.cumprod(a)) # 从1开始元素的累积积，返回一维数组
print(np.max(a))
print(np.min(a))
print(np.argmax(a)) 
print(np.argmin(a)) 
print(np.mean(a)) 
print(np.median(a)) 
print(np.average(a))

axis的方法

axis=0代表行，axis=1代表列
所有的数学和统计函数都有这个参数，都可以使用

import numpy as np
a = np.array([[1,3,6],[9,3,2],[1,4,3]])
print(f'数组:\n{a}')
print('-'*30)
print(np.sum(a,axis=0)) # 每行中的每个对应元素相加，返回一维数组
print('-'*30)
print(np.sum(a,axis=1)) # 每列中的每个元素相加，返回一维数组

• 其中思路正好是反的：axis=0 求每列的和。axis=1求每行的和。
  • 行：每行对应一个样本数据
  • 列：每列代表样本的一个特征
• 数组对应到现实中的一种解释：
  • 行：每行对应一个样本数据
  • 列：每列代表样本的一个特征
• 数据标准化
  • 对于机器学习、神经网络来说，不同列的量钢是相同的，收敛更快。
  • 有两个特征，一个是商品单价1元至50元，另一个是销售数量3千个至1万个，这两个数字不可比，所以需要都做标准化。
  • 比如在Excel里，单价一个列，销售数量一个列，不同列代表不同特征，所以用axis=0做计算
  • 标准化一般使用：通过均值和方差实现
    数组 = （数组 - mean(数组，axis=0)）/ std(数组, axis=0)