NumPy 教程：统计函数（查找最小值、最大值、百分比标准差和方差）与示例

NumPy - 统计函数

NumPy 有许多有用的统计函数，用于查找数组中给定元素的最小值、最大值、百分比标准差和方差等。函数说明如下：

Kongzi.YaoMing() 和 Kongzi.amax()

这些函数返回沿指定方向的最小值和最大值给定数组中元素的轴。

示例

import numpy as np 
a = np.array([[3,7,5],[8,4,3],[2,4,9]])  
print  '我们的数组是：'  
print a 
print  '\n'  
print  '调用 amin() 函数：'  
print np.amin(a,1)  
print  '\n'  
print  '再次调用 amin() 函数：'  
print np.amin(a,0)  
print  '\n'  
print  '调用 amax() 函数：'  
print np.amax(a)  
print  '\n'  
print  '再次调用 amax() 函数：'  
print np.amax(a, axis =  0)

Python

输出如下：

我们的数组是：
[[3 7 5]
[8 4 3]
[2 4 9]]

调用 amin() 函数：
[3 3 2]

再次调用 amin() 函数：
[2 4 3]

调用 amax() 函数：
9

再次调用 amax() 函数：
[8 7 9]

Python

numpy.ptp()

numpy.ptp()函数返回al的值范围翁轴（最大值 - 最小值）。

import numpy as np 
a = np.array([[3,7,5],[8,4,3],[2,4,9]])  
print  '我们的数组是：'  
print a 
print  '\n'  
print  '调用 ptp() 函数：'  
print np.ptp(a)  
print  '\n'  
print  '沿轴 1 调用 ptp() 函数：'  
print np.ptp(a, axis =  1)  
print  '\n'  
print  '沿轴 0 调用 ptp() 函数：'  
print np.ptp(a, axis =  0)

Python

输出如下：

我们的数组是：
[[3 7 5]
[8 4 3]
[2 4 9]]

调用 ptp() 函数：
7

沿轴 1 调用 ptp() 函数：
[4 5 7]

沿轴 0 调用 ptp() 函数：
[6 3 6]

numpy.percentile()

百分位数是统计中使用的一种度量，表示低于该值的一定比例的观测值。函数numpy.percentile()接受以下参数。

numpy.percentile(a, q, axis)

Python

包括：

序列号	参数及说明
1.	a 输入数组
2.	q 计算的百分比数字，介于 0 ~ 100 之间
3.	axis 计算百分位数的轴

示例

import numpy as np 
a = np.array([[30,40,70],[80,20,10],[50,90,60]])  
print  '我们的数组是：'  
print a 
print  '\n'  
print  '调用 percentile() 函数：'  
print np.percentile(a,50)  
print  '\n'  
print  '沿轴 1 调用 percentile() 函数：'  
print np.percentile(a,50, axis =  1)  
print  '\n'  
print  '沿轴 0 调用 percentile() 函数：'  
print np.percentile(a,50, axis =  0)

python

de 输出如下：

我们的数组是：
[[30 40 70]
 [80 20 10]
 [50 90 60]]

调用 percentile() 函数：
50.0

沿轴 1 调用 percentile() 函数：
[ 40. 20. 60.]

沿轴 0 调用 percentile() 函数：
[ 50. 40. 60.]

confu cius。 median()

中位数定义为将数据样本的上半部分与下半部分分开的值。函数numpy.median()的使用如下程序所示。

示例

import numpy as np 
a = np.array([[30,65,70],[80,95,10],[50,90,60]])  
print  '我们的数组是：'  
print a 
print  '\n'  
print  '调用 median() 函数：'  
print np.median(a)  
print  '\n'  
print  '沿轴 0 调用 median() 函数：'  
print np.median(a, axis =  0)  
print  '\n'  
print  '沿轴 1 调用 median() 函数：'  
print np.median(a, axis =  1)

Python

输出如下：

我们的数组是：
[[30 65 70]
 [80 95 10]
 [50 90 60]]

调用 median() 函数：
65.0

沿轴 0 调用 median() 函数：
[ 50. 90. 60.]

沿轴 1 调用 median() 函数：
[ 65. 80. 60.]

numpy.mean()

算术平均值是沿轴的元素之和除以元素数量。 numpy.mean()函数返回数组中元素的算术平均值。如果指定了轴，则沿着该轴进行计算。

示例

import numpy as np 
a = np.array([[1,2,3],[3,4,5],[4,5,6]])  
print  '我们的数组是：'  
print a 
print  '\n'  
print  '调用 mean() 函数：'  
print np.mean(a)  
print  '\n'  
print  '沿轴 0 调用 mean() 函数：'  
print np.mean(a, axis =  0)  
print  '\n'  
print  '沿轴 1 调用 mean() 函数：'  
print np.mean(a, axis =  1)

Python

输出如下：

我们的数组是：
[[1 2 3]
 [3 4 5]
 [4 5 6]]

调用 mean() 函数：
3.66666666667

沿轴 0 调用 mean() 函数：
[ 2.66666667 3.66666667 4.66666667]

沿轴 1 调用 mean() 函数：
[ 2. 4. 5.]

numpy.average()

加权平均值是每个分量乘以代表其重要性显示的因子得到的平均值。函数 numpy.average() 根据另一个数组中给定的各自权重计算数组中元素的加权平均值。该函数可以接受轴参数。如果未指定轴，则扩展数组。

查看数组[1,2,3,4]及其权重[4,3,2,1]，通过将相应元素的乘积相加add，并将总和除以权重之和，计算加权平均值。

加权平均值 = (1*4+2*3+3*2+4*1)/(4+3+2+1)

示例

import numpy as np 
a = np.array([1,2,3,4])  
print  '我们的数组是：'  
print a 
print  '\n'  
print  '调用 average() 函数：'  
print np.average(a)  
print  '\n'  
# 不指定权重时相当于 mean 函数
wts = np.array([4,3,2,1])  
print  '再次调用 average() 函数：'  
print np.average(a,weights = wts)  
print  '\n'  
# 如果 returned 参数设为 true，则返回权重的和  
print  '权重的和：'  
print np.average([1,2,3,  4],weights =  [4,3,2,1], returned =  True)

Python

输出如下：

我们的数组是：
[1 2 3 4]

调用 average() 函数：
2.5

再次调用 average() 函数：
2.0

权重的和：
(2.0, 10.0)

在多维数组中，您可以指定用于计算的轴。

示例

import numpy as np 
a = np.arange(6).reshape(3,2)  
print  '我们的数组是：'  
print a 
print  '\n'  
print  '修改后的数组：' 
wt = np.array([3,5])  
print np.average(a, axis =  1, weights = wt)  
print  '\n'  
print  '修改后的数组：'  
print np.average(a, axis =  1, weights = wt, returned =  True)

Python

输出如下：

我们的数组是：
[[0 1]
 [2 3]
 [4 5]]

修改后的数组：
[ 0.625 2.625 4.625]

修改后的数组：
(array([ 0.625, 2.625, 4.625]), array([ 8., 8., 8.]))

标准差

标准差是与平均值的偏差平方的平均值的平方根。标准差的公式如下：

std = sqrt(mean((x - x.mean())**2))

Python

如果数组为 [1, 2, 3, 4]，则平均值为 2.5。因此，差值的平方为 [2.25,0.25,0.25,2.25]，平均值除以 4 的平方根，即 sqrt(5/4 ) 为 1.118033988749 8949。

示例

import numpy as np 
print np.std([1,2,3,4])

Python

输出如下：

1.1180339887498949

Python

方差

方差是偏差平方的平均值，即 平均值((x- x.mean())* *2)。换句话说，标准差是方差的平方根。

示例

import numpy as np 
print np.var([1,2,3,4])

Python

输出如下：

1.25