Python——numpy 统计函数

numpy 统计函数

import numpy as np



a=np.arange(15).reshape(3,5)



a

Out[10]: 

array([[ 0,  1,  2,  3,  4],

       [ 5,  6,  7,  8,  9],

       [10, 11, 12, 13, 14]])



np.sum

Out[11]: <function numpy.core.fromnumeric.sum>



np.sum(a)

Out[12]: 105



np.mean(a)

Out[13]: 7.0



np.mean(a,axis=0)

Out[14]: array([ 5.,  6.,  7.,  8.,  9.])



np.mean(a,axis=1)

Out[15]: array([  2.,   7.,  12.])

np.average(a,axis=0,weights=[11,6,2])

Out[18]: array([ 2.63157895,  3.63157895,  4.63157895,  5.63157895,  6.63157895])



np.std(a)

Out[19]: 4.3204937989385739



np.var(a)

Out[20]: 18.666666666666668





np.std(a,axis=1)

Out[22]: array([ 1.41421356,  1.41421356,  1.41421356])



np.std(a,axis=0)

Out[23]: array([ 4.0824829,  4.0824829,  4.0824829,  4.0824829,  4.0

np.std(a,axis=1)

Out[22]: array([ 1.41421356,  1.41421356,  1.41421356])



np.std(a,axis=0)

Out[23]: array([ 4.0824829,  4.0824829,  4.0824829,  4.0824829,  4.0824829])



np.argmax(a)

Out[24]: 14

np.unravel_index(np.argmax(a),b.shape)

Out[28]: (0, 14)



a

Out[25]: 

array([[ 0,  1,  2,  3,  4],

       [ 5,  6,  7,  8,  9],

       [10, 11, 12, 13, 14]])



np.ptp(a)

Out[26]: 14

np.gradient(f) 计算数组f中元素的梯度，当f为多维时，返回每个维度梯度

梯度：连续值之间的变化率，即斜率

XY坐标轴连续三个X坐标对应的Y轴值：a, b, c，其中，b的梯度是： (c‐a)/2

import numpy as np



a=np.random.randint(0,50,(11))



a

Out[31]: array([25, 44, 23, ..., 39, 19,  2])

np.gradient(a)

Out[33]: array([ 19. ,  -1. ,   0. , ...,  -5.5, -18.5, -17. ])



b=np.random.randint(0,50,(11))



b

Out[35]: array([22, 37, 49, ...,  8, 48, 15])



np.gradient(b)

Out[36]: array([ 15. ,  13.5,  -0.5, ...,  13.5,   3.5, -33. ])