numpy下03

计算最大(小)值
numpy.amin(a[], axis=None, out=None, keepdims=np._NoValue, initial=np._NoValue, where=np._NoValue])
其中axis控制a[]中比较大小的方向。

极差：
numpy.ptp(a, axis=None, out=None, keepdims=np._NoValue) Range of values (maximum - minimum)

分位数：
numpy.percentile(a, q, axis=None, out=None, overwrite_input=False, interpolation=‘linear’, keepdims=False)
a：array，用来算分位数的对象，可以是多维的数组。
q：介于0-100的float，用来计算是几分位的参数，如四分之一位就是25，如要算两个位置的数就[25,75]。

中位数：
numpy.median(a, axis=None, out=None, overwrite_input=False, keepdims=False)

平均值：
numpy.mean(a[, axis=None, dtype=None, out=None, keepdims=np._NoValue)])

加权平均值：
numpy.average(a[, axis=None, weights=None, returned=False])
mean和average都是计算均值的函数，在不指定权重的时候average和mean是一样的。指定权重后，average可以计算加权平均值。

方差：
numpy.var(a[, axis=None, dtype=None, out=None, ddof=0, keepdims=np._NoValue])
ddof=0：是“Delta Degrees of Freedom”，表示自由度的个数。

标准差：
numpy.std(a[, axis=None, dtype=None, out=None, ddof=0, keepdims=np._NoValue])

协方差矩阵：
numpy.cov(m, y=None, rowvar=True, bias=False, ddof=None, fweights=None,aweights=None)

import numpy as np
np.random.seed(200)
a=np.random.randint(1,10,[5,3])
print(a)
y=np.amax(a,axis=1)
print(y)