numpy统计分布方法

numpy统计分布方法

1. 最小值和最大值

   min()：获取整个数组中最小的值

   max()：获取整个数组中最大的值

   axis参数：

   • 如果没有axis参数则获取整个数组的最小值或最大值，返回的为一个值。
   • 如果axis=0(1)，则获取对应纵轴(横轴)方向的数组，即取出每一行(列)的最大值或最小值

   # 不加参数
   arr = np.array([[14,4,46,11],[11,44,33,22],[10,32,22,17]])
   print(arr.max())
   print(arr.min())
   
   # 结果
   46
   4
   

   # 加axis参数
   print(arr.max(axis=0))
   print(arr.min(axis=1))
   
   # 结果
   [14 44 46 22]
   [ 4 11 10]
   

2. 最大值索引和最小值索引

   argmax()：将整个数组展平为一维数组后再获取最大值的索引

   argmin()：将整个数组展平为一维数组后再获取最小值的索引

   # 最大值索引和最小值索引
   print(arr.argmax())
   print(arr.argmin())
   
   # 结果
   2
   1
   

   axis参数：如果没有axis参数则获取整个数组的最小值索引或最大值索引，返回的为一个值。

   # axis参数演示
   print(arr.argmax(axis=0))
   print(arr.argmin(axis=1))
   
   # 结果
   [0 1 0 1]
   [2 1 1]
   

3. 标准差与方差

   arr.std() / arr.var()

   方差和标准差可以反映数据的分布：当标准差与方差越大，表示数据越分散；当标准差与方差越小，数据越集中。

   可加axis参数，用法与上述类似，这里不多做介绍。如果不加axis参数则表示对数组的每一个元素都进行计算。

   标准差

   print(f"标准差{arr.std()}")
   
   # 结果
   13.164556792978468
   

   方差

   print(f"方差{arr.var()}")
   
   # 结果
   173.30555555555554
   

4. 求和与求均值

   axis参数使用可参照上面知识点

   sum() ：求和

   求和

   print(arr.sum())
   print(arr.sum(axis=0))
   print(arr.sum(axis=1))
   
   # 结果
   266
   [ 35  80 101  50]
   [ 75 110  81]
   

   mean()：求平均值

   print(arr.mean())
   print(arr.mean(axis=0))
   print(arr.mean(axis=0))
   
   # 结果
   22.166666666666668
   [11.66666667 26.66666667 33.66666667 16.66666667]
   [11.66666667 26.66666667 33.66666667 16.66666667]
   
   

5. 累计求和

   cumsum()

   当没有axis参数时，将数组中的每个元素依次相加，然后将每一个相加后的值以一维数组的形式进行返回

   axis的参数使用可参照以上知识点

   print(arr5.cumsum())
   print(arr5.cumsum(axis=0))
   print(arr5.cumsum(axis=1))
   
   # 结果
   [ 14  18  64  75  86 130 163 185 195 227 249 266]
   [[ 14   4  46  11]
    [ 25  48  79  33]
    [ 35  80 101  50]]
   [[ 14  18  64  75]
    [ 11  55  88 110]
    [ 10  42  64  81]]
   

6. 累计求积

   cumprod()

   当没有axis参数时，将数组中的每个元素依次相乘，然后将每一个相乘后的值以一维数组的形式进行返回

   axis的参数使用可参照以上知识点

   print(arr5.cumprod())
   print(arr5.cumprod(axis=0))
   print(arr5.cumprod(axis=1))
   
   # 结果
   [              14               56             2576            28336
              311696         13714624        452582592       9956817024
         99568170240    3186181447680   70095991848960 1191631861432320]
         
   [[   14     4    46    11]
    [  154   176  1518   242]
    [ 1540  5632 33396  4114]]
    
   [[    14     56   2576  28336]
    [    11    484  15972 351384]
    [    10    320   7040 119680]]