NumPy统计函数的实现方法
numpy.amin()和numpy.amax()
numpy.amin()用于计算数组中元素沿着指定轴的最小值。
numpy.amax()用于计算数组中元素沿着指定轴的最大值
a=np.array([1,3,6],[3,4,11],[6,1,4]) print(np.amin(a,1) #每行最小值 print(np.amin(a,0) #每列最小值 print(np.amax(a) #所有元素中最大值 print(np.amax(a,1)) #j每行的最大值
结果：
[1 3 1]
[1 1 4]
11
[ 6 11 6]
numpy.ptp()
用来计算数组中元素的最大值与最小值的差（最大值-最小值）。
numpy.percentile()
表示百分比
numpy.percentile(a,q,axis)
- a:输入数组
- q:要计算的百分位数
- axis:沿着它计算百分位数的轴
对于一个数组，我们设置它的百分位数为20，则我们可以推算出在该数组排序中在百分之20上的值是多少，例如：
percentail百分数
a = np.array([[21, 60, 4], [10, 20, 1]])
print('数组a：')
print(a)
print('调用 percentile() 函数：')
50% 的分位数，就是 a 里排序之后的中位数
print(np.percentile(a, 20))
axis 为 0，在纵列上求
print(np.percentile(a, 20, axis=0))
axis 为 1，在横行上求
print(np.percentile(a, 20, axis=1))
保持维度不变
print(np.percentile(a, 20, axis=1, keepdims=True))
结果：
数组a：
[[21 60 4]
[10 20 1]]
调用 percentile() 函数：
4.0
[12.2 28. 1.6]
[10.8 4.6]
[[10.8]
[ 4.6]]Process finished with exit code 0
标准差
std=sqrt(mean((x-x.mean()) * * 2)
其中mean((x-x.mean()) * * 2)是指每个样本与全体样本值的平均数之差，即方差，标准差就是方差的平方根。
其它统计函数
numpy.mediam()
用于计算数组a中元素的中位数
numpy.average()
将各数值乘以相应的权数，然后加总求和得到总体值，再除以总的单位数。即用来计算加权平均数
numpy.mean()
返回数组元素的算术平均值
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。
赞 (0)